| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-13页 |
| 1.1 课题研究背景和意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-11页 |
| 1.2.1 短期负荷预测方法研究现状 | 第7-10页 |
| 1.2.2 深度神经网络的研究现状 | 第10-11页 |
| 1.3 本文主要工作 | 第11-13页 |
| 第二章 深度神经网络模型 | 第13-22页 |
| 2.1 人工神经网络 | 第13-14页 |
| 2.2 BP神经网络模型结构 | 第14-16页 |
| 2.3 深度神经网络模型结构 | 第16-21页 |
| 2.3.1 受限玻尔兹曼机模型结构 | 第17-18页 |
| 2.3.2 受限玻尔兹曼机的学习训练 | 第18-19页 |
| 2.3.3 深度神经网络结构模型 | 第19-20页 |
| 2.3.4 权值与阈值精细调整过程 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于模糊深度神经网络的短期负荷预测模型研究 | 第22-33页 |
| 3.1 模糊处理 | 第22-26页 |
| 3.1.1 模糊逻辑系统 | 第22-25页 |
| 3.1.2 气象因素的模糊化处理 | 第25-26页 |
| 3.2 基于模糊深度神经网络的短期负荷预测模型建立 | 第26-30页 |
| 3.2.1 输入变量的选取 | 第26-27页 |
| 3.2.2 模糊深度神经网络负荷预测模型的建立 | 第27-30页 |
| 3.3 算例仿真 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于模糊深度递归神经网络的短期负荷预测模型研究 | 第33-42页 |
| 4.1 Elman神经网络模型结构 | 第33-35页 |
| 4.2 深度递归神经网络模型建立 | 第35-38页 |
| 4.3 算例仿真 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 计及需求响应的深度神经网络短期负荷预测模型研究 | 第42-54页 |
| 5.1 需求响应 | 第42-46页 |
| 5.1.1 需求响应分类 | 第42-43页 |
| 5.1.2 峰平谷各时段的划分 | 第43-44页 |
| 5.1.3 基于消费者心理学原理的需求响应模型 | 第44-46页 |
| 5.2 计及需求响应的深度神经网络模型建立 | 第46-48页 |
| 5.2.1 输入参数的确定 | 第46页 |
| 5.2.2 计及需求响应的深度神经网络预测模型流程 | 第46-48页 |
| 5.3 算例仿真 | 第48-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 个人简历、攻读学位期间的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
