| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的背景及研究的目的 | 第9-10页 |
| 1.2 预测理论依据及应遵循的理念 | 第10-12页 |
| 1.3 国内外研究现状 | 第12页 |
| 1.4 本文的研究思路及主要工作 | 第12-14页 |
| 第2章 电力负荷预测的方法理论 | 第14-23页 |
| 2.1 电力负荷预测的概述 | 第14-15页 |
| 2.2 电力负荷预测的特点与分类 | 第15-16页 |
| 2.2.1 电力负荷预测的特点 | 第15页 |
| 2.2.2 电力负荷预测的分类 | 第15-16页 |
| 2.3 电力负荷预测的方法 | 第16-20页 |
| 2.3.1 传统经验方法和经典方法 | 第16-18页 |
| 2.3.2 趋势规律外推预测法 | 第18页 |
| 2.3.3 回归分析法 | 第18页 |
| 2.3.4 灰色模型法 | 第18-19页 |
| 2.3.5 神经网络法 | 第19页 |
| 2.3.6 其他方法 | 第19-20页 |
| 2.4 电力负荷预测的影响因子与误差分析 | 第20-22页 |
| 2.4.1 电力负荷预测的影响因子 | 第20-21页 |
| 2.4.2 误差分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 负荷预测神经网络模型研究 | 第23-28页 |
| 3.1 神经网络相关概念 | 第23-25页 |
| 3.1.1 神经网络的模型 | 第23-24页 |
| 3.1.2 神经网络模型的分类和学习规则 | 第24-25页 |
| 3.2 神经网络用于预测的原理 | 第25-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 基于BP神经网络的电力负荷预测 | 第28-44页 |
| 4.1 BP神经网络 | 第28-31页 |
| 4.1.1 BP神经网络结构 | 第28-29页 |
| 4.1.2 BP学习算法 | 第29-31页 |
| 4.2 BP网络的优缺点及改进 | 第31-34页 |
| 4.2.1 BP网络的优点 | 第31页 |
| 4.2.2 BP网络的限制与不足 | 第31页 |
| 4.2.3 BP算法改进设计 | 第31-34页 |
| 4.3 Matlab仿真预处理 | 第34-37页 |
| 4.3.1 应用要点 | 第34页 |
| 4.3.2 数据预处理 | 第34-35页 |
| 4.3.3 样本的归一化处理 | 第35页 |
| 4.3.4 气象特征等影响因素的量化处理 | 第35-37页 |
| 4.4 直接考虑影响因子的仿真分析 | 第37-40页 |
| 4.5 考虑差值影响因子修正的仿真分析 | 第40-43页 |
| 4.5.1 基于差值影响因子修正的负荷预测模型 | 第40-41页 |
| 4.5.2 仿真分析 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 基于RBF神经网络的电力负荷预测 | 第44-51页 |
| 5.1 RBF神经网络的结构 | 第44-45页 |
| 5.2 RBF神经网络常用的学习算法 | 第45页 |
| 5.3 RBF神经网络的特点及注意事项 | 第45-46页 |
| 5.3.1 RBF神经网络网络的特点 | 第45-46页 |
| 5.3.2 RBF神经网络的注意事项 | 第46页 |
| 5.4 直接考虑影响因子的仿真分析 | 第46-47页 |
| 5.5 考虑差值影响因子修正的仿真分析 | 第47-49页 |
| 5.6 RBF神经网络与BP神经网络的比较 | 第49-50页 |
| 5.7 本章小结 | 第50-51页 |
| 结论与展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录A (攻读学位期间所发表的论文和科研情况说明) | 第57-58页 |
| 附录B (4月1日至12日样本点电力负荷数据表) | 第58-59页 |
| 附录C (4月3日至12日与2日的负荷数据差值表) | 第59页 |