| 中文摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-13页 |
| ·电力系统负荷预测的目的和意义 | 第6-7页 |
| ·负荷预测的分类及其影响因素 | 第7-8页 |
| ·负荷预测的分类 | 第7页 |
| ·负荷预测的影响因素 | 第7-8页 |
| ·短期负荷预测的研究现状 | 第8-12页 |
| ·短期负荷预测方法综述 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本论文的主要工作 | 第12-13页 |
| 第二章 RBF 神经网络及其结构分析 | 第13-21页 |
| ·人工神经网络的基本特征 | 第13-14页 |
| ·RBF 神经网络 | 第14-19页 |
| ·RBF 神经网络的结构 | 第14-15页 |
| ·RBF 神经网络的具体实现 | 第15-16页 |
| ·RBF 网络的学习算法 | 第16-19页 |
| ·RBF 网络与BP 网络的比较 | 第19-21页 |
| ·BP 网络存在的问题 | 第19页 |
| ·RBF 网络与BP 网络之间的差别 | 第19-21页 |
| 第三章 模糊逻辑控制原理和模糊控制器的设计 | 第21-28页 |
| ·模糊控制基本原理 | 第22-23页 |
| ·模糊控制器的设计 | 第23-28页 |
| ·模糊控制器输入输出变量的选择 | 第23-24页 |
| ·语言变量值及其隶属函数和量化因子的确定 | 第24-25页 |
| ·模糊逻辑控制的知识库 | 第25-26页 |
| ·模糊决策和模糊判决 | 第26-28页 |
| 第四章 基于RBF 神经网络和模糊控制相结合的短期电力负荷预测 | 第28-47页 |
| ·电力负荷的特性分析 | 第28-30页 |
| ·RBF 神经网络的建立 | 第30-31页 |
| ·RBF 神经网络的训练 | 第31-33页 |
| ·样本的选取 | 第31-32页 |
| ·数据预处理 | 第32-33页 |
| ·神经网络输入数据的归一化处理 | 第33页 |
| ·预测误差分析 | 第33-35页 |
| ·误差产生的原因 | 第34页 |
| ·预测误差分析指标 | 第34-35页 |
| ·在线自调整因子的模糊控制 | 第35-38页 |
| ·语言变量及其论域和隶属函数的确定 | 第36-37页 |
| ·模糊控制规则及算法结构 | 第37-38页 |
| ·建立查询表 | 第38页 |
| ·RBF 神经网络与模糊控制的协同合作 | 第38-39页 |
| ·预测结果及分析 | 第39-47页 |
| ·神经网络隐含层节点的确定 | 第39-40页 |
| ·预测方法的比较 | 第40-42页 |
| ·连续一周的日负荷的预测结果 | 第42-47页 |
| 第五章 电力系统短期负荷预测软件设计与实现 | 第47-57页 |
| ·软件开发平台 | 第47-48页 |
| ·软件结构、功能和特点 | 第48-57页 |
| ·软件的结构 | 第48页 |
| ·软件的功能 | 第48-56页 |
| ·软件的特点 | 第56-57页 |
| 第六章 结论与展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 在学期间发表的学术论文 | 第61页 |