基于粒子群优化神经网络的电力短期负荷预测研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·引言 | 第11页 |
| ·电力系统短期负荷预测的意义和作用 | 第11-12页 |
| ·短期负荷预测的发展和研究现状 | 第12-15页 |
| ·短期负荷预测的传统方法 | 第12-14页 |
| ·短期负荷预测的新方法 | 第14-15页 |
| ·本论文的研究内容和主要工作 | 第15-17页 |
| ·本论文的研究内容 | 第15页 |
| ·本论文的主要工作 | 第15-17页 |
| 2 电力负荷预测概述 | 第17-25页 |
| ·电力负荷的构成 | 第17-18页 |
| ·电力负荷预测的特点 | 第18-19页 |
| ·电力负荷预测影响因素分析 | 第19-21页 |
| ·负荷预测误差分析指标 | 第21-22页 |
| ·辽宁省M 市电力负荷分析 | 第22-24页 |
| ·小结 | 第24-25页 |
| 3 粒子群优化神经网络的基本原理及算法实现 | 第25-42页 |
| ·人工神经网络概况 | 第25-28页 |
| ·神经网络概念 | 第25-27页 |
| ·神经网络的基本特点 | 第27-28页 |
| ·误差反向传播算法 | 第28-33页 |
| ·BP 算法原理 | 第28-29页 |
| ·BP 算法缺陷分析 | 第29-30页 |
| ·BP 算法的改进 | 第30-33页 |
| ·粒子群优化算法的研究 | 第33-37页 |
| ·粒子群算法的基本原理 | 第33页 |
| ·粒子群算法的实现 | 第33-34页 |
| ·粒子群算法的改进 | 第34-35页 |
| ·粒子群算法的参数设置 | 第35-36页 |
| ·改进的粒子群算法基本流程 | 第36-37页 |
| ·基于粒子群优化神经网络学习算法 | 第37-41页 |
| ·算法的设计 | 第38-39页 |
| ·算法的实现步骤 | 第39-40页 |
| ·算法的流程图 | 第40-41页 |
| ·小结 | 第41-42页 |
| 4 粒子群优化神经网络短期负荷预测 | 第42-59页 |
| ·预测模型的设计 | 第42-45页 |
| ·神经网络拓扑结构分析 | 第42-44页 |
| ·预测模型总体结构 | 第44-45页 |
| ·神经网络预测输入样本的研究 | 第45-47页 |
| ·训练样本的预处理 | 第45-46页 |
| ·样本数据归一化处理 | 第46-47页 |
| ·温度的量化 | 第47页 |
| ·工作日类型划分 | 第47页 |
| ·实例分析 | 第47-58页 |
| ·基于L-M 算法改进神经网络短期负荷预测 | 第48-53页 |
| ·基于粒子群优化神经网络短期负荷预测 | 第53-58页 |
| ·小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 作者简历 | 第64-66页 |
| 学位论文数据集 | 第66-67页 |
