人工神经网络在短期电力负荷预测中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-17页 |
| ·课题的研究背景和目的意义 | 第8-10页 |
| ·国内外负荷预测的发展与现状 | 第10-16页 |
| ·电力系统负荷预测的传统方法 | 第10-13页 |
| ·电力系统负荷预测的新方法 | 第13-16页 |
| ·本论文主要研究内容 | 第16-17页 |
| 第2章 电力系统负荷预测分析 | 第17-29页 |
| ·电力系统负荷的分类和特点 | 第17-22页 |
| ·电力系统负荷的概念 | 第17页 |
| ·电力系统负荷的分类 | 第17-19页 |
| ·电力系统负荷的特点 | 第19-20页 |
| ·电力系统负荷预测的特点 | 第20-21页 |
| ·影响负荷预测准确性的因素 | 第21-22页 |
| ·电力系统负荷的基本模型 | 第22-24页 |
| ·基本正常负荷分量模型 | 第22-23页 |
| ·天气敏感负荷分量模型 | 第23-24页 |
| ·特别事件负荷分量模型 | 第24页 |
| ·随机负荷分量模型 | 第24页 |
| ·负荷数据的预处理 | 第24-27页 |
| ·坏数据的检测和处理 | 第25-26页 |
| ·缺损数据的修补 | 第26-27页 |
| ·其他处理方法 | 第27页 |
| ·预测误差分析 | 第27-29页 |
| 第3章 基于人工神经网络的预测模型 | 第29-52页 |
| ·概述 | 第29-30页 |
| ·人工神经网络模型 | 第30-34页 |
| ·人工神经网络的分类 | 第30-32页 |
| ·单神经元数学模型 | 第32-34页 |
| ·误差回传神经网络(BP网络) | 第34-36页 |
| ·BP神经网络模型 | 第34-35页 |
| ·BP网络学习算法 | 第35-36页 |
| ·神经网络负荷预测模型 | 第36-38页 |
| ·预测模型的描述 | 第36-37页 |
| ·网络的拓扑结构 | 第37-38页 |
| ·算例分析 | 第38-41页 |
| ·BP神经网络用于负荷预测相关问题 | 第41-52页 |
| ·隐含层数的确定 | 第42页 |
| ·隐含层节点数的确定 | 第42-46页 |
| ·训练次数与精度的关系 | 第46-48页 |
| ·学习速率的选择 | 第48-49页 |
| ·初始权值 | 第49页 |
| ·训练样本的选择 | 第49-50页 |
| ·神经网络输入数据的归一化处理 | 第50-52页 |
| 第4章 提高神经网络模型预测能力的探讨 | 第52-66页 |
| ·概述 | 第52页 |
| ·BP网络本身存在的缺陷分析 | 第52-55页 |
| ·BP网络的优点 | 第52页 |
| ·BP网络的缺陷 | 第52-55页 |
| ·BP网络的改进算法 | 第55-58页 |
| ·梯度自适应算法 | 第55页 |
| ·附加动量项方法 | 第55页 |
| ·动量及自适应算法 | 第55-56页 |
| ·Levenberg-Marquardt算法 | 第56页 |
| ·不同算法对比试算结果 | 第56-58页 |
| ·考虑气象参数的负荷预测 | 第58-66页 |
| ·峰值负荷与气温、湿度、风速、气压的相关性分析 | 第59-61页 |
| ·顾及气象参数的神经网络模型 | 第61-63页 |
| ·顾及气象参数解算结果 | 第63-64页 |
| ·结果分析 | 第64-66页 |
| 第5章 结论与展望 | 第66-68页 |
| ·结论 | 第66页 |
| ·进一步工作的方向 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间的研究成果 | 第72页 |
