| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·电力系统短期负荷预测研究的意义 | 第6-7页 |
| ·国内外短期负荷预测研究情况 | 第7-9页 |
| ·电力系统负荷预测的传统方法 | 第7-8页 |
| ·电力系统负荷预测的新方法 | 第8-9页 |
| ·本文的主要研究的工作和解决的问题 | 第9-11页 |
| 第二章 短期负荷预测组合NN模型的研究 | 第11-31页 |
| ·人工神经网络概述 | 第11-21页 |
| ·人工神经网络模型 | 第11-13页 |
| ·人工神经网络模型分类 | 第13-14页 |
| ·人工神经网络在电力系统负荷预测中的应用 | 第14-16页 |
| ·BP神经网络 | 第16-21页 |
| ·短期负荷预测组合NN模型构造 | 第21-25页 |
| ·组合NN模型的建模依据 | 第21-22页 |
| ·改进BP算法的子模型构造 | 第22-24页 |
| ·组合模型构造 | 第24-25页 |
| ·组合NN预测模型应用的预处理环节 | 第25-29页 |
| ·负荷及影响因素分析 | 第25-27页 |
| ·负荷数据归一化和温度数据量化 | 第27页 |
| ·NN预测模型隐层节点的确定 | 第27-28页 |
| ·预测实现流程 | 第28-29页 |
| ·组合NN预测模型在某地区电网STLF中的仿真测试 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于改进PSO-IRNN神经网络短期负荷预测模型 | 第31-47页 |
| ·递归神经网络模型及分类 | 第31-35页 |
| ·全局递归神经网络 | 第31-32页 |
| ·局部递归神经网络 | 第32-35页 |
| ·带偏差单元的递归神经网络模型 | 第35-37页 |
| ·IRNN神经网络结构 | 第35-36页 |
| ·带偏差的递归神经网络数学表述及学习算法 | 第36-37页 |
| ·PSO算法概述 | 第37-42页 |
| ·PSO算法数学描述 | 第37-38页 |
| ·PSO算法流程 | 第38-40页 |
| ·改进的粒子群算法 | 第40-42页 |
| ·基于改进PSO—IRNN神经网络的短期负荷预测模型 | 第42-44页 |
| ·改进PSO-IRNN神经网络预测模型在某地区电网STLF中的仿真测试 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 总结与展望 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 个人简历、攻读学位期间的研究成果 | 第53-54页 |
| 致谢 | 第54-55页 |
