基于小波去噪和人工神经网络的短期电力负荷预测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题的提出 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·传统电力负荷预测 | 第10页 |
| ·现代电力负荷预测 | 第10-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| 第二章 用电分类与负荷预测的方法分析 | 第13-23页 |
| ·用电分类 | 第13-14页 |
| ·电力负荷预测分类和特性 | 第14-17页 |
| ·电力负荷预测分类 | 第14-16页 |
| ·电力负荷预测的特性 | 第16-17页 |
| ·中长期电力负荷预测方法 | 第17-19页 |
| ·年度电力负荷预测 | 第17-18页 |
| ·月度电力负荷预测 | 第18-19页 |
| ·短期电力负荷预测方法 | 第19-22页 |
| ·短期电力负荷预测概述 | 第19页 |
| ·短期电力负荷预测的一般方法 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 负荷预测样本数据预处理 | 第23-48页 |
| ·负荷原始数据预处理的必要性 | 第23页 |
| ·负荷数据处理方法 | 第23-24页 |
| ·负荷异常数据的类型 | 第23-24页 |
| ·一般的负荷数据纠错方法 | 第24页 |
| ·小波去噪的基本原理 | 第24-26页 |
| ·基于Haar小波的阈值去噪方法 | 第26-36页 |
| ·Haar小波分解 | 第26-31页 |
| ·阈值函数选取 | 第31-33页 |
| ·阈值的估计 | 第33-34页 |
| ·小波重构 | 第34-36页 |
| ·负荷原始数据小波去噪方法的具体步骤 | 第36-37页 |
| ·算例 | 第37-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 考虑气象因素的人工神经网络短期负荷预测 | 第48-63页 |
| ·前言 | 第48页 |
| ·气象因素对短期电力负荷的影响分析 | 第48-54页 |
| ·短期负荷预测中气象因素分析与处理的总体理念 | 第48-50页 |
| ·气象因素对某地区负荷的影响分析 | 第50-54页 |
| ·人工神经网络 | 第54-60页 |
| ·前馈神经网络 | 第55-57页 |
| ·反馈神经网络 | 第57-60页 |
| ·神经网络结构的设计 | 第60-62页 |
| ·训练集的设计和网络输入、输出向量的选取 | 第60-61页 |
| ·初始权值的设计 | 第61页 |
| ·网络隐含层数的确定 | 第61页 |
| ·隐层节点数的设计 | 第61-62页 |
| ·网络输入样本的归一化处理 | 第62页 |
| ·网络的训练与测试 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第五章 负荷预测的算例分析 | 第63-74页 |
| ·前言 | 第63页 |
| ·BP算例 | 第63-67页 |
| ·数据未经小波去噪的BP网络预测算例 | 第63-64页 |
| ·数据经小波去噪后的BP网络预测算例 | 第64-67页 |
| ·ELMAN算例 | 第67-72页 |
| ·数据经小波去噪后未考虑温度因素的ELMAN算例 | 第67-69页 |
| ·数据经小波去噪并考虑温度因素的ELMAN算例 | 第69-72页 |
| ·预测结果及误差分析 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 结论与展望 | 第74-76页 |
| ·研究工作总结 | 第74-75页 |
| ·有待进一步研究的内容 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读学位期间发表的学术论文 | 第81-82页 |
| 致谢 | 第82页 |
