基于小波和神经网络的电力系统短期负荷预测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-18页 |
| ·短期负荷预测的目的和意义 | 第7-8页 |
| ·短期负荷预测的国内外研究综述 | 第8-17页 |
| ·本文所完成的主要工作 | 第17-18页 |
| 第二章 短期负荷预测原理和主要问题分析 | 第18-21页 |
| ·预测的起源 | 第18页 |
| ·短期负荷预测原理 | 第18-19页 |
| ·一般原理 | 第18-19页 |
| ·基本原则 | 第19页 |
| ·基本要求 | 第19页 |
| ·短期负荷预测遵循理念 | 第19-20页 |
| ·短期负荷预测存在的问题 | 第20-21页 |
| 第三章 小波分析在短期负荷预测中的应用 | 第21-32页 |
| ·小波分析理论的概述 | 第21页 |
| ·小波分析基本理论 | 第21-25页 |
| ·从傅里叶变换到小波变换 | 第21-22页 |
| ·小波变换 | 第22-25页 |
| ·几种常用的小波 | 第25-30页 |
| ·小波分析在电力系统负荷预测中应用现状 | 第30-32页 |
| 第四章 神经网络和灰色模型在短期负荷预测中的应用 | 第32-40页 |
| ·BP神经网络 | 第32-35页 |
| ·BP神经网络概述 | 第32-33页 |
| ·归一化方法 | 第33-34页 |
| ·隐含层节点数确定 | 第34页 |
| ·附加动量方法 | 第34页 |
| ·变速率学习 | 第34-35页 |
| ·RBF神经网络 | 第35-37页 |
| ·RBF神经网络概述 | 第35页 |
| ·RBF神经网络结构模型 | 第35-36页 |
| ·RBF神经网络的学习算法 | 第36-37页 |
| ·RBF神经网络的缺陷 | 第37页 |
| ·GRNN神经网络 | 第37-39页 |
| ·GRNN神经网络概述 | 第37页 |
| ·GRNN神经网络的结构模型 | 第37-39页 |
| ·GM(1,1)模型 | 第39-40页 |
| 第五章 仿真算例 | 第40-54页 |
| 第六章 结论和展望 | 第54-56页 |
| ·结论 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
