基于遗传神经网络的短期电力负荷预测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·电力短期负荷预测的意义及目的 | 第8-9页 |
| ·电力负荷预测概论 | 第9-14页 |
| ·负荷预测的分类 | 第9页 |
| ·短期负荷预测的特点 | 第9-10页 |
| ·短期负荷预测的基本步骤 | 第10-11页 |
| ·国内外短期负荷预测现状 | 第11-14页 |
| ·负荷预测的误差指标 | 第14-15页 |
| ·本文所做的工作 | 第15-17页 |
| 2 神经网络理论基础 | 第17-33页 |
| ·人工神经网络的基础 | 第17-24页 |
| ·ANN的产生与发展 | 第17-19页 |
| ·ANN的一般原理 | 第19-22页 |
| ·ANN的主要特点 | 第22页 |
| ·ANN的发展趋势 | 第22-24页 |
| ·ANN在电力系统中的应用 | 第24页 |
| ·BP人工神经网络 | 第24-26页 |
| ·BP人工神经网络的缺点及改进算法分析 | 第26-31页 |
| ·动量法 | 第27页 |
| ·拟牛顿法 | 第27-28页 |
| ·L-M法 | 第28页 |
| ·共轭梯度法 | 第28-29页 |
| ·SCG算法 | 第29-31页 |
| ·算例应用和结果分析 | 第31-32页 |
| ·本章小节 | 第32-33页 |
| 3 遗传算法及其在电力系统中的应用 | 第33-45页 |
| ·遗传算法概述 | 第33-37页 |
| ·遗传算法的自然原理 | 第33页 |
| ·遗传算法的优点和缺陷 | 第33-35页 |
| ·遗传算法的运算流程 | 第35-37页 |
| ·基本遗传算法 | 第37-40页 |
| ·基本遗传算法的数学模型 | 第37-38页 |
| ·基本遗传算法的步骤 | 第38-40页 |
| ·改进的遗传算法 | 第40-42页 |
| ·遗传算法存在的问题 | 第40-41页 |
| ·遗传算法的改进 | 第41-42页 |
| ·遗传算法的发展前景 | 第42-44页 |
| ·遗传算法在电力系统中的应用 | 第44页 |
| ·本章小节 | 第44-45页 |
| 4 遗传神经网络及其在短期负荷预测中的应用 | 第45-55页 |
| ·遗传算法和 BP网络结合的遗传神经网络 | 第45-46页 |
| ·遗传算法用于确定 BP神经网络结构 | 第46-49页 |
| ·输入与输出层的选择 | 第46-47页 |
| ·隐含层的选择 | 第47-48页 |
| ·遗传算法用于确定网络结构时的具体步骤 | 第48-49页 |
| ·遗传算法用于确定 BP神经网络初始权值 | 第49-53页 |
| ·负荷预测仿真与结构分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 5 电力系统短期负荷预测与结果分析 | 第55-76页 |
| ·短期负荷特性分析 | 第55-61页 |
| ·短期负荷特性概述 | 第55-56页 |
| ·负荷的周期性特性 | 第56-60页 |
| ·负荷的天气影响因素 | 第60页 |
| ·负荷的其他影响因素 | 第60-61页 |
| ·建立负荷预测模型 | 第61-62页 |
| ·输入数据的预处理 | 第62-66页 |
| ·负荷数据中伪数据预处理的主要方法 | 第62-63页 |
| ·天气样本处理 | 第63-65页 |
| ·本文所采用的数据预处理方法 | 第65-66页 |
| ·负荷预测结果及分析 | 第66-75页 |
| ·GA-BP网络模型与 BP模型预测结果比较分析 | 第75页 |
| ·本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表学术论文情况 | 第82-83页 |
| 致谢 | 第83-84页 |
| 大连理工大学学位论文版权使用授权书 | 第84页 |
