| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 第1章 绪论 | 第15-23页 |
| ·课题背景 | 第15页 |
| ·电力负荷预测概述 | 第15-17页 |
| ·负荷预测特点 | 第15-16页 |
| ·负荷预测基本程序 | 第16-17页 |
| ·国内外电力负荷预测研究综述 | 第17-22页 |
| ·常规的负荷预测方法 | 第18-19页 |
| ·负荷预测的新技术 | 第19-22页 |
| ·本文的主要内容及组织结构 | 第22-23页 |
| 第2章 模糊理论基础 | 第23-32页 |
| ·模糊理论概述 | 第23页 |
| ·模糊集合基础 | 第23-27页 |
| ·模糊集的概念 | 第23-24页 |
| ·模糊集合的表示方法 | 第24-25页 |
| ·模糊集合的运算 | 第25页 |
| ·常用的几种隶属度函数 | 第25-27页 |
| ·模糊关系 | 第27-28页 |
| ·模糊关系定义 | 第27-28页 |
| ·模糊关系的合成 | 第28页 |
| ·模糊推理 | 第28-31页 |
| ·“if-then”模糊推理规则 | 第28页 |
| ·基于“if-then”规则的模糊推理 | 第28-29页 |
| ·模糊推理系统 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 人工神经网络简介 | 第32-39页 |
| ·人工神经网络的发展及现状 | 第32-33页 |
| ·人工神经网络模型 | 第33-34页 |
| ·BP 神经网络模型 | 第34-38页 |
| ·BP 神经网络概述 | 第34页 |
| ·BP 算法 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 自适应神经网络模糊推理系统 | 第39-49页 |
| ·ANFIS 概述 | 第39页 |
| ·ANFIS 网络结构 | 第39-42页 |
| ·Mamdani 型ANFIS | 第39-41页 |
| ·Takagi-Sugeno 型ANFIS | 第41-42页 |
| ·ANFIS 学习算法 | 第42-45页 |
| ·梯度下降学习算法 | 第42-43页 |
| ·最小二乘法 | 第43-44页 |
| ·混合学习算法 | 第44-45页 |
| ·ANFIS 输入空间划分 | 第45-48页 |
| ·基于网格的输入空间划分 | 第45页 |
| ·基于聚类的输入空间划分 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 ANFIS 在中长期负荷预测中的应用 | 第49-65页 |
| ·模型输入输出的确定 | 第49页 |
| ·建立预测模型 | 第49-50页 |
| ·基础数据分析 | 第50-52页 |
| ·预测模型初始化 | 第52页 |
| ·模型训练 | 第52-54页 |
| ·模糊规则 | 第54页 |
| ·模型拟合精度 | 第54-55页 |
| ·负荷预测 | 第55-57页 |
| ·模型输入输出曲面 | 第57-58页 |
| ·基于聚类输入空间划分的ANFIS 预测模型 | 第58-62页 |
| ·基于减法聚类的预测模型 | 第58-59页 |
| ·预测模型训练 | 第59-60页 |
| ·模糊规则生成 | 第60-61页 |
| ·基于模型的中长期负荷预测 | 第61-62页 |
| ·两类模型预测结果比较 | 第62页 |
| ·安乡县2008~2010 年中长期负荷预测 | 第62-63页 |
| ·安乡县2008~2010 年中长期负荷预测结果分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第71页 |