| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 国内外研究现状综述 | 第11-16页 |
| 1.2.1 短期负荷预测方法 | 第11-14页 |
| 1.2.2 计及气象因素的负荷预测研究 | 第14-15页 |
| 1.2.3 短期负荷的神经网络模型 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 1.4 论文研究的创新点 | 第17-18页 |
| 第2章 计及气象因素的多小水电地区网供负荷预测思路 | 第18-32页 |
| 2.1 小水电发电出力特性 | 第18-22页 |
| 2.1.1 自身因素 | 第18-20页 |
| 2.1.2 外在因素 | 第20-22页 |
| 2.2 区域用电负荷特性 | 第22-26页 |
| 2.2.1 自身因素 | 第22-24页 |
| 2.2.2 外界因素 | 第24-26页 |
| 2.3 气象因素对网供负荷预测的影响 | 第26-29页 |
| 2.3.1 对气象因素的认识 | 第26页 |
| 2.3.2 气象因素对网供负荷的影响 | 第26-27页 |
| 2.3.3 不同级别电网对气象因素的处理策略 | 第27-29页 |
| 2.4 计及气象因素的网供负荷预测的两阶段还原法 | 第29-31页 |
| 2.4.1 网供负荷预测总体思想 | 第29-30页 |
| 2.4.2 两阶段还原法的网供负荷预测流程 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 小水电发电出力预测方法 | 第32-39页 |
| 3.1 基于模糊聚类-BP神经网络的小水电发电出力预测模型 | 第32-37页 |
| 3.1.1 BP神经网络预测模型 | 第32-35页 |
| 3.1.2 模糊聚类的样本分类及识别 | 第35-37页 |
| 3.2 基于模糊聚类-BP神经网络的小水电发电出力模型求解 | 第37-38页 |
| 3.2.1 处理数据 | 第37-38页 |
| 3.2.2 求解流程 | 第38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 区域负荷预测模型及其气象因素修正 | 第39-53页 |
| 4.1 基于灰色Elman神经网络的区域负荷预测 | 第39-44页 |
| 4.1.1 Elman神经网络 | 第39-42页 |
| 4.1.2 灰色系统理论概述 | 第42-44页 |
| 4.1.3 基于灰色Elman神经网络的区域负荷预测 | 第44页 |
| 4.2 改进的遗传灰色Elman神经网络的区域负荷预测 | 第44-48页 |
| 4.2.1 遗传算法理论 | 第44-46页 |
| 4.2.2 改进的遗传灰色Elman神经网络 | 第46-48页 |
| 4.3 计及气象因素的区域用电负荷预测结果修正模型 | 第48-52页 |
| 4.3.1 温度修正模型 | 第48-50页 |
| 4.3.2 降水负荷模型 | 第50-51页 |
| 4.3.3 相对湿度/风速修正模型 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 计及气象因素的多小水电地区网供负荷预测实例研究 | 第53-71页 |
| 5.1 小水电出力预测实例研究 | 第53-56页 |
| 5.2 区域负荷预测实例研究 | 第56-67页 |
| 5.2.1 区域负荷预测 | 第57-58页 |
| 5.2.2 计及气象因素的区域用电负荷预测结果修正 | 第58-67页 |
| 5.3 网供负荷预测实例研究 | 第67-70页 |
| 5.3.1 A市网供负荷预测结果 | 第67-68页 |
| 5.3.2 B市网供负荷预测结果 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 研究成果与结论 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第76-77页 |
| 致谢 | 第77页 |
