| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-23页 |
| ·电力系统短期负荷预报的意义和目的 | 第10-12页 |
| ·国内外的研究现状 | 第12-16页 |
| ·研究方法简介 | 第12-15页 |
| ·国内研究现状 | 第15页 |
| ·国外研究现状 | 第15-16页 |
| ·神经网络应用于短期负荷预报的现状 | 第16-18页 |
| ·小波变换方法概述 | 第18-21页 |
| ·小波分析方法的发展和应用 | 第18-19页 |
| ·小波神经网络的发展概况 | 第19-20页 |
| ·小波分析的发展前景 | 第20-21页 |
| ·RAN网络概述 | 第21页 |
| ·本文所做的工作 | 第21-23页 |
| 第2章 神经网络基本理论 | 第23-35页 |
| ·神经网络的发展史 | 第23-24页 |
| ·神经网络概述 | 第24-26页 |
| ·神经网络模型 | 第26-28页 |
| ·网络结构 | 第28-31页 |
| ·单层前馈网络 | 第29-30页 |
| ·多层前馈网络 | 第30页 |
| ·递归网络 | 第30-31页 |
| ·神经网络学习规则 | 第31-32页 |
| ·神经网络的基本特性 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于改进的BP神经网络的预报研究 | 第35-54页 |
| ·BP神经网络基础 | 第35-44页 |
| ·BP网络用于预报原理 | 第35-36页 |
| ·BP网络学习算法 | 第36-40页 |
| ·BP网络的局限 | 第40-42页 |
| ·BP网络学习方法的一些传统改进方法 | 第42-44页 |
| ·共轭梯度算法 | 第44-48页 |
| ·共轭梯度算法简介 | 第44-45页 |
| ·共轭梯度方向的形成 | 第45-47页 |
| ·共轭梯度算法的计算步骤 | 第47-48页 |
| ·用改进的BP神经网络进行预报 | 第48-53页 |
| ·输入数据预处理 | 第48-50页 |
| ·输入数据归一化处理 | 第50-51页 |
| ·改进的网络进行72小时负荷预报 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 小波分析理论基础 | 第54-67页 |
| ·小波变换简介 | 第54-56页 |
| ·傅立叶变换 | 第54-55页 |
| ·快速傅立叶变换 | 第55页 |
| ·小波变换的数学定义 | 第55-56页 |
| ·连续小波变换和二进小波变换 | 第56-58页 |
| ·多分辨分析和共轭滤波器 | 第58-65页 |
| ·多分辨分析 | 第58-60页 |
| ·滤波器定义及性质 | 第60-63页 |
| ·Mallat算法 | 第63-65页 |
| ·小波的分类 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 基于小波神经网络的预报研究 | 第67-77页 |
| ·小波神经网络的理论基础 | 第67-68页 |
| ·两种小波神经网络的特点和设计方法 | 第68-70页 |
| ·离散小波神经网络的结构和设计方法 | 第69页 |
| ·连续小波神经网络的结构和设计方法 | 第69-70页 |
| ·小波神经网络的优点 | 第70页 |
| ·基于小波神经网络的电力系统短期负荷预报概述 | 第70-71页 |
| ·利用小波神经网络进行电力系统短期负荷预报 | 第71-75页 |
| ·Morlet小波神经网络进行预报 | 第71-75页 |
| ·仿真结果分析与对比 | 第75-76页 |
| ·小波神经网络与普通BP网络对比 | 第75页 |
| ·小波神经网络与改进的BP网络对比 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第6章 基于RAN神经网络的预报研究 | 第77-83页 |
| ·RAN网络的由来 | 第77页 |
| ·RAN网络的学习算法 | 第77-78页 |
| ·仿真及分析 | 第78-82页 |
| ·本章小结 | 第82-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第89-90页 |
| 致谢 | 第90-91页 |
| 附录 东北电网1992年9月23日—10月30日电力负荷数据表 | 第91-92页 |