| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·课题背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本论文的主要内容 | 第12-14页 |
| 第二章 电力负荷预测方法理论介绍 | 第14-20页 |
| ·电力负荷预测的概念与分类 | 第14-15页 |
| ·电力负荷预测的概念 | 第14页 |
| ·电力预测负荷的分类 | 第14-15页 |
| ·负荷预测特点 | 第15页 |
| ·负荷预测方法 | 第15-19页 |
| ·单耗法 | 第15-16页 |
| ·弹性系数法 | 第16页 |
| ·趋势外推法 | 第16页 |
| ·负荷密度法 | 第16-17页 |
| ·时间序列法 | 第17页 |
| ·回归分析法 | 第17页 |
| ·人均电量法 | 第17页 |
| ·神经网络法 | 第17-18页 |
| ·模糊预测法 | 第18页 |
| ·综合模型预测法 | 第18-19页 |
| ·负荷预测的影响因素及误差分析 | 第19-20页 |
| 第三章 短期负荷预测神经网络模型 | 第20-27页 |
| ·神经网络的发展与分类 | 第20-23页 |
| ·神经网络模型结构分析 | 第23页 |
| ·样本的预处理 | 第23-27页 |
| ·气象特征的量化处理 | 第24页 |
| ·负荷数据样本的归一化处理 | 第24页 |
| ·基于SOM 算法的不良样本的处理 | 第24-27页 |
| 第四章 基于BP 神经网络的短期电力负荷预测模型 | 第27-40页 |
| ·BP 神经网络 | 第27页 |
| ·BP 网络模型与结构 | 第27-29页 |
| ·BP 神经网络的学习规则 | 第29-31页 |
| ·BP 网络的改进 | 第31-33页 |
| ·BP 网络的不足 | 第31-32页 |
| ·BP 算法的改进 | 第32-33页 |
| ·仿真结果分析 | 第33-40页 |
| 第五章 基于RBF 神经网络的短期电力负荷预测模型 | 第40-49页 |
| ·RBF NN 的结构 | 第40-41页 |
| ·RBF 网络的训练算法 | 第41-45页 |
| ·具有固定中心的RBF 网络训练算法 | 第41-42页 |
| ·利用随机梯度法训练RBF | 第42-43页 |
| ·正交最小二乘法训练RBF | 第43-45页 |
| ·仿真结果分析 | 第45-49页 |
| 第六章 基于ELMAN 神经网络的短期电力负荷预测模型 | 第49-57页 |
| ·Elman 神经网络的结构 | 第49-50页 |
| ·训练算法 | 第50-54页 |
| ·动态BP 算法 | 第50-51页 |
| ·粒子群(PSO)算法 | 第51-54页 |
| ·PSO-BP 混合算法训练Elman 网络建立短期电力负荷预测 | 第54-55页 |
| ·仿真结果比较 | 第55-57页 |
| 第七章总结与展望 | 第57-59页 |
| ·全文总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
