智能技术在电力企业负荷预测中的应用研究
| 中文摘要 | 第2-3页 |
| 英文摘要 | 第3页 |
| 第一章 电力市场与负荷预测 | 第8-19页 |
| 1．1 电力市场概述 | 第8-12页 |
| 1．2 负荷预测在电力市场中的作用和实现方法 | 第12-14页 |
| 1．2．1 负荷预测的概念和分类 | 第12页 |
| 1．2．2 负荷预测在电力市场中的作用 | 第12页 |
| 1．2．3 负荷预测的实现方法 | 第12-14页 |
| 1．3 人工智能技术概述 | 第14-17页 |
| 1．4 本论文的主要内容和研究成果 | 第17页 |
| 1．5 本论文的组织 | 第17-19页 |
| 第二章 神经网络基本原理及其改进算法 | 第19-32页 |
| 2．1 神经网络概述 | 第19-20页 |
| 2．2 神经网络基本特性 | 第20-21页 |
| 2．3 BP网络原理及算法 | 第21-31页 |
| 2．3．1 BP网络基本原理 | 第21-23页 |
| 2．3．2 BP网络的学习算法 | 第23-27页 |
| 2．3．3 学习算法的收敛性分析及改进 | 第27-31页 |
| 2．4 小结 | 第31-32页 |
| 第三章 BP网络在负荷预测中的应用 | 第32-47页 |
| 3．1 负荷预测BP网络设计原则 | 第32-33页 |
| 3．2 可以采用的神经网络结构 | 第33-35页 |
| 3．3 适用于常德地区负荷预测的神经网络结构 | 第35-36页 |
| 3．4 负荷数据归一化和气象数据量化处理 | 第36-37页 |
| 3．5 样本数据预处理 | 第37-39页 |
| 3．6 训练过程的改进 | 第39页 |
| 3．7 学习算法的改进 | 第39页 |
| 3．8 预测结果分析 | 第39-45页 |
| 3．8．1 连续日预测结果 | 第39-41页 |
| 3．8．2 日预测结果 | 第41-42页 |
| 3．8．3 模型的天气敏感性分析 | 第42-45页 |
| 3．9 节假日负荷预测 | 第45-46页 |
| 3．10 小结 | 第46-47页 |
| 第四章 神经网络和模糊控制相结合的负荷预测方法 | 第47-57页 |
| 4．1 模糊控制基本原理 | 第47-48页 |
| 4．2 神经网络和模糊系统的相似和不同之处 | 第48-49页 |
| 4．3 神经网络和模糊系统的融合方式 | 第49-50页 |
| 4．4 基于ANN和模糊控制相结合的负荷预测方法 | 第50-56页 |
| 4．4．1 双输入单输出模糊控制器设计 | 第51-54页 |
| 4．4．2 自校正模糊控制器设计 | 第54-56页 |
| 4．5 小结 | 第56-57页 |
| 第五章 一种地区负荷预测系统软件的设计 | 第57-69页 |
| 5．1 地区负荷预测系统设计依据 | 第57页 |
| 5．2 地区负荷预测系统设计原则 | 第57-58页 |
| 5．3 地区负荷预测系统功能模块设计 | 第58-62页 |
| 5．4 预测原理与方法 | 第62-66页 |
| 5．4．1 经典线性预测模型自适应指数平滑法 | 第62-64页 |
| 5．4．2 模糊专家库修正原理 | 第64-65页 |
| 5．4．3 相似日预测法 | 第65-66页 |
| 5．4．4 县调预测综合法 | 第66页 |
| 5．5 预测结果分析 | 第66-67页 |
| 5．6 预测系统应用情况总结 | 第67-69页 |
| 结束语 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73-74页 |
| 读硕期间参加的科研课题和发表的论文 | 第74页 |
