基于改进BP神经网络的负荷预测问题研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及其意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 电力系统负荷的研究现状 | 第10-15页 |
| 1.2.1 经典预测方法 | 第11-12页 |
| 1.2.2 现代预测方法 | 第12-15页 |
| 1.3 本文的主要研究工作 | 第15-16页 |
| 2 电力负荷预测基本理论 | 第16-23页 |
| 2.1 负荷预测的定义 | 第16页 |
| 2.2 电力系统负荷预测的特征 | 第16-17页 |
| 2.2.1 预测的不确定性 | 第16-17页 |
| 2.2.2 预测的条件性 | 第17页 |
| 2.2.3 预测的时间性 | 第17页 |
| 2.2.4 预测的多方案性 | 第17页 |
| 2.3 电力系统负荷预测的分类 | 第17-18页 |
| 2.4 电力负荷预测的影响因素 | 第18-20页 |
| 2.5 电力负荷预测的误差分析 | 第20-21页 |
| 2.6 负荷预测的基本步骤 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 3 基于BP神经网络的电力负荷预测 | 第23-38页 |
| 3.1 引言 | 第23页 |
| 3.2 BP神经网络模型 | 第23-28页 |
| 3.2.1 BP神经网络结构 | 第23-25页 |
| 3.2.2 BP神经网络的学习算法 | 第25-28页 |
| 3.3 BP神经网络法短期电力负荷预测 | 第28-34页 |
| 3.3.1 历史数据的选取 | 第28-29页 |
| 3.3.2 历史数据的预处理 | 第29-30页 |
| 3.3.3 负荷数据的归一化 | 第30-31页 |
| 3.3.4 影响因素的量化处理 | 第31-32页 |
| 3.3.5 网络的拓扑结构 | 第32-34页 |
| 3.4 以某市负荷为例进行预测分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 改进BP神经网络的电力负荷预测 | 第38-52页 |
| 4.1 前言 | 第38页 |
| 4.2 基本BP神经网络的优势劣势及其优化 | 第38-42页 |
| 4.2.1 基本BP神经网络的优劣势 | 第38-40页 |
| 4.2.2 BP算法的优化 | 第40-42页 |
| 4.3 以某市负荷为例进行预测分析 | 第42-51页 |
| 4.3.1 改进BP算法的工作日负荷预测 | 第42-50页 |
| 4.3.2 改进算法的预测效果比较 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 结论与展望 | 第52-53页 |
| 5.1 结论 | 第52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
