| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 引言 | 第8-16页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文方法 | 第9-14页 |
| 1.3.1 BP神经网络结构 | 第9页 |
| 1.3.2 BP神经网络的数学表达 | 第9-11页 |
| 1.3.3 后向传播学习算法 | 第11-14页 |
| 1.4 创新之处 | 第14页 |
| 1.4.1 风速预测问题 | 第14页 |
| 1.4.2 电力市场电价预测问题 | 第14页 |
| 1.4.3 电力市场电力负荷预测问题 | 第14页 |
| 1.5 研究框架及结构安排 | 第14-16页 |
| 第二章 基于BPNN的混合预测模型在风电场中的应用 | 第16-38页 |
| 2.1 风速预测的研究背景及意义 | 第16页 |
| 2.2 国内外研究现状 | 第16-19页 |
| 2.3 具体研究对象 | 第19-20页 |
| 2.4 算法理论描述 | 第20-28页 |
| 2.4.1 混合方法预处理组件 | 第20-23页 |
| 2.4.2 混合方法的预测组件 | 第23-27页 |
| 2.4.3 混合模型 | 第27-28页 |
| 2.5 实例研究 | 第28-37页 |
| 2.5.1 数据来源 | 第28页 |
| 2.5.2 数据采集 | 第28-29页 |
| 2.5.3 模型评价标准 | 第29页 |
| 2.5.4 混合方法过程中的详细结果 | 第29-37页 |
| 2.6 实例研究结论 | 第37-38页 |
| 第三章 基于BPNN的混合预测模型在电价预测中的应用 | 第38-45页 |
| 3.1 电价预测的研究背景及意义 | 第38页 |
| 3.2 研究现状简述 | 第38-39页 |
| 3.3 具体研究对象 | 第39页 |
| 3.4 算法描述 | 第39-42页 |
| 3.5 实例研究 | 第42-44页 |
| 3.6 实例研究结论 | 第44-45页 |
| 第四章 基于BPNN的混合预测模型在电力负荷预测中的应用 | 第45-49页 |
| 4.1 电力负荷预测的研究背景及意义 | 第45页 |
| 4.2 研究现状简述 | 第45页 |
| 4.3 具体研究对象 | 第45页 |
| 4.4 算法描述 | 第45-47页 |
| 4.5 实例研究 | 第47-48页 |
| 4.6 实例研究结论 | 第48-49页 |
| 第五章 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
