基于模糊推理和神经网络的日负荷预测的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-25页 |
| ·引言 | 第10-11页 |
| ·负荷预测概述 | 第11-14页 |
| ·日负荷预测的意义及研究背景 | 第11页 |
| ·负荷预测的分类 | 第11-12页 |
| ·负荷预测的基本原理 | 第12-14页 |
| ·负荷预测研究的发展现状 | 第14-19页 |
| ·日负荷预测中存在的问题 | 第19-20页 |
| ·神经网络进行日负荷预测的发展现状及存在的问题 | 第20-23页 |
| ·应用神经网络进行日负荷预测的研究现状 | 第20-22页 |
| ·应用神经网络进行日负荷预测存在的问题 | 第22-23页 |
| ·本文的工作 | 第23-25页 |
| 第二章 负荷特性分析和历史数据处理 | 第25-40页 |
| ·电力负荷特性概述 | 第25-29页 |
| ·电力负荷的构成及其特点 | 第25-27页 |
| ·电力负荷特性分析 | 第27-29页 |
| ·影响负荷预测的因素 | 第29-33页 |
| ·负荷数据预处理 | 第33-40页 |
| ·数据预处理的意义 | 第33页 |
| ·数据预处理的基本思想 | 第33-35页 |
| ·历史负荷数据的处理 | 第35-37页 |
| ·日负荷数据标准化的处理方法 | 第37-40页 |
| 第三章 人工神经网络和模糊集的基本理论 | 第40-62页 |
| ·人工神经网络概述 | 第40-49页 |
| ·人工神经网络发展史 | 第40-41页 |
| ·人工神经网络概述 | 第41-42页 |
| ·前向人工神经网络模型 | 第42-44页 |
| ·前向人工神经网络模型的快速学习算法 | 第44-49页 |
| ·模糊逻辑系统 | 第49-62页 |
| ·模糊逻辑的引入 | 第49-51页 |
| ·模糊集合 | 第51-52页 |
| ·模糊关系 | 第52-53页 |
| ·语言变量 | 第53-54页 |
| ·基于IF-THEN规则的模糊推理 | 第54-58页 |
| ·模糊规则库与模糊推理系统 | 第58-61页 |
| ·模糊建模 | 第61-62页 |
| 第四章 日负荷预测模型的建立 | 第62-73页 |
| ·概述 | 第62-63页 |
| ·基于模糊理论的神经网络建模 | 第63-73页 |
| ·组合模型基本结构 | 第63-64页 |
| ·神经网络结构的确定 | 第64-67页 |
| ·神经网络的训练 | 第67-68页 |
| ·模糊逻辑确定的负荷修正 | 第68-73页 |
| 第五章 实例分析 | 第73-82页 |
| ·MATLAB语言及其神经网络工具箱 | 第73-74页 |
| ·MATLAB简介 | 第73页 |
| ·人工神经网络工具函数 | 第73-74页 |
| ·算例分析 | 第74-81页 |
| ·基于反向传播(BP)算法的日负荷预测 | 第74-76页 |
| ·基于模糊推理和神经网络的日负荷预测 | 第76页 |
| ·日负荷预测结果分析 | 第76-81页 |
| ·小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-90页 |
| 攻读学位期间发表的学术论文目录 | 第90页 |
| 参与项目 | 第90页 |
