基于神经网络的电力系统短期负荷预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·电力系统负荷预测 | 第9-11页 |
| ·电力系统负荷预测的内容及意义 | 第9-10页 |
| ·电力系统负荷预测的基本原理 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·传统预测方法 | 第11-12页 |
| ·以人工智能为代表的负荷预测新技术 | 第12-14页 |
| ·本文主要的研究工作 | 第14-15页 |
| 第2章 负荷预测中的影响因素分析及数据预处理 | 第15-23页 |
| ·引言 | 第15页 |
| ·负荷预测中的影响因素分析 | 第15-20页 |
| ·经济因素 | 第15-16页 |
| ·时间因素 | 第16-18页 |
| ·天气因素 | 第18-19页 |
| ·随机因素 | 第19-20页 |
| ·负荷数据预处理 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 人工神经网络应用于短期负荷预测 | 第23-36页 |
| ·引言 | 第23页 |
| ·人工神经网络概述 | 第23-24页 |
| ·BP网络的学习规则--梯度下降算法 | 第24-25页 |
| ·误差逆传播算法(BP算法)的网络结构及工作过程 | 第25-32页 |
| ·BP网络结构 | 第25-26页 |
| ·正向传播过程 | 第26-28页 |
| ·误差反向传播过程 | 第28-32页 |
| ·BP算法应用于短期负荷预测 | 第32-35页 |
| ·神经网络隐含层节点数 | 第32页 |
| ·网络参数的选择 | 第32-33页 |
| ·采用变步长的BP算法 | 第33页 |
| ·算例分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 模糊集理论及其在短期负荷预测中的应用 | 第36-48页 |
| ·引言 | 第36页 |
| ·模糊集理论 | 第36-40页 |
| ·负荷影响因素的模糊化 | 第40-42页 |
| ·天气因素隶属函数的确定 | 第40-41页 |
| ·时间类型隶属函数的确定 | 第41-42页 |
| ·模糊推理 | 第42-43页 |
| ·基于模糊聚类选取训练样本 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 本文预测模型的建立及算例分析 | 第48-56页 |
| ·引言 | 第48页 |
| ·基于模糊理论和ANN的日负荷预测建模 | 第48-53页 |
| ·网络输入样本的归一化处理 | 第49页 |
| ·预测模型的建立 | 第49-51页 |
| ·基于模糊推理对基本预测负荷进行修正 | 第51-53页 |
| ·算例分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
