| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 引言 | 第9-18页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 电力负荷特性指标研究现状 | 第11-12页 |
| 1.2.2 国内外负荷预测技术研究现状 | 第12-16页 |
| 1.3 本文的主要研究工作及章节安排 | 第16-18页 |
| 第2章 相关理论与方法 | 第18-24页 |
| 2.1 城镇化的相关理论 | 第18-20页 |
| 2.1.1 城镇化的含义 | 第18-19页 |
| 2.1.2 我国城镇化的特点 | 第19-20页 |
| 2.2 负荷预测的相关理论与方法 | 第20-24页 |
| 第3章 城镇化建设对电力负荷预测的影响因素 | 第24-28页 |
| 3.1 定性分析 | 第24-25页 |
| 3.1.1 社会事业发展 | 第24页 |
| 3.1.2 气象 | 第24-25页 |
| 3.2 定量分析 | 第25-28页 |
| 3.2.1 产业结构 | 第25页 |
| 3.2.2 生活指数 | 第25页 |
| 3.2.3 城镇化率 | 第25-26页 |
| 3.2.4 GDP | 第26页 |
| 3.2.5 城镇就业人员 | 第26页 |
| 3.2.6 城镇居民收入 | 第26-28页 |
| 第4章 指标的选取以及数据的处理 | 第28-36页 |
| 4.1 基于主成分分析法的指标简化 | 第28-30页 |
| 4.1.1 主成分分析的概念 | 第28-29页 |
| 4.1.2 主成分分析法的计算步骤 | 第29-30页 |
| 4.2 数据预处理 | 第30-34页 |
| 4.2.1 异常数据处理的基本思想 | 第30-31页 |
| 4.2.2 异常数据的分类处理 | 第31-34页 |
| 4.3 指标的确定 | 第34-36页 |
| 第5章 利用BP神经网络对邯郸市城镇化建设进行电力负荷预测 | 第36-46页 |
| 5.1 BP神经网络模型的构建 | 第36-39页 |
| 5.2 基于MATLAB的BP神经网络实现 | 第39-42页 |
| 5.2.1 MATLAB软件介绍 | 第39页 |
| 5.2.2 网络的工具箱函数 | 第39-40页 |
| 5.2.3 MATLAB图形用户界面的实现 | 第40-41页 |
| 5.2.4 BP神经网络预测系统的设计 | 第41-42页 |
| 5.3 邯郸市电力负荷预测模型的建立 | 第42-45页 |
| 5.4 小结 | 第45-46页 |
| 第6章 结论与展望 | 第46-48页 |
| 6.1 主要结论 | 第46-47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士期间发表的学术论文及其它成果 | 第51-52页 |
| 致谢 | 第52页 |