| 第1章 绪论 | 第1-21页 |
| ·电力系统短期符合预报的意义和目的 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·研究方法 | 第12-15页 |
| ·回归分析法 | 第12-13页 |
| ·指数平滑法 | 第13页 |
| ·时间序列法 | 第13页 |
| ·灰色系统法 | 第13-14页 |
| ·卡尔曼滤波法 | 第14页 |
| ·专家系统法 | 第14页 |
| ·小波分析法 | 第14页 |
| ·神经网络法 | 第14-15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16-17页 |
| ·小波变换方法概述 | 第17-20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页 |
| ·小波分析的发展前景 | 第19-20页 |
| ·本文所作的工作 | 第20-21页 |
| 第2章 人工神经网络基本理论 | 第21-32页 |
| ·人工神经网络的发展史 | 第21-22页 |
| ·人工神经网络概述 | 第22-24页 |
| ·人工神经网络模型 | 第24-26页 |
| ·网络结构 | 第26-28页 |
| ·单层前馈网络 | 第26-27页 |
| ·多层前馈网络 | 第27-28页 |
| ·递归网络 | 第28页 |
| ·人工神经网络学习规则 | 第28-29页 |
| ·人工神经网络的基本特性 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 改进的BP神经网络进行预报 | 第32-52页 |
| ·BP神经网络基础 | 第32-40页 |
| ·BP神经网络用于预测原理 | 第32页 |
| ·BP网络学习算法 | 第32-37页 |
| ·BP网络的前馈计算 | 第33-34页 |
| ·BP网络的权系数的修正规则 | 第34-36页 |
| ·BP学习算法的计算步骤 | 第36-37页 |
| ·BP网络的局限 | 第37-38页 |
| ·BP网络学习方法的一些传统改进方法 | 第38-40页 |
| ·惯性校正法 | 第38页 |
| ·变步长BP法 | 第38-39页 |
| ·改进的惯性校正法 | 第39-40页 |
| ·自适应学习速率 | 第40页 |
| ·利用 L-M学习规则的改进 | 第40页 |
| ·共轭梯度算法 | 第40-44页 |
| ·共轭梯度算法简介 | 第40-41页 |
| ·共轭梯度方向的形成 | 第41-43页 |
| ·共轭梯度算法的计算步骤 | 第43-44页 |
| ·用改进的人工神经网络进行预报 | 第44-51页 |
| ·输入数据预处理 | 第44-45页 |
| ·输入数据归一化处理 | 第45-46页 |
| ·运用改进的网络进行24小时负荷预报 | 第46-48页 |
| ·实际网络结构设计 | 第46-47页 |
| ·仿真结果与分析 | 第47-48页 |
| ·运用改进的网络进行72小时负荷预报 | 第48-51页 |
| ·实际网络结构设计 | 第48页 |
| ·仿真结果与分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 改进的RBF神经网络进行预报 | 第52-64页 |
| ·径向基函数网络(RBF网络)概述 | 第52页 |
| ·径向基函数网络(RBF网络)原理 | 第52-58页 |
| ·径向基函数神经元模型 | 第54-55页 |
| ·径向基函数网络结构 | 第55-58页 |
| ·基函数中心的选取 | 第55-56页 |
| ·隐层节点数的确定 | 第56页 |
| ·网络训练 | 第56-58页 |
| ·利用改进的径向基函数网络进行预报 | 第58-62页 |
| ·改进的 RBF网络结构 | 第58页 |
| ·应用改进的RBF网络结构进行未来24小时负荷预报 | 第58-60页 |
| ·实际网络结构 | 第58-59页 |
| ·预报结果 | 第59-60页 |
| ·应用改进的RBF网络结构进行未来72小时负荷预报 | 第60-62页 |
| ·实际网络结构 | 第60页 |
| ·预报结果 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 小波分析理论基础 | 第64-77页 |
| ·小波变换的由来 | 第64-66页 |
| ·傅立叶变换 | 第64页 |
| ·短时傅立叶变换 | 第64-65页 |
| ·小波变换的数学定义 | 第65-66页 |
| ·连续小波变换和二进小波变换 | 第66-68页 |
| ·多分辨分析和共轭滤波器 | 第68-74页 |
| ·多分辨分析 | 第68-69页 |
| ·滤波器定义及性质 | 第69-74页 |
| ·小波的分类 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第6章 小波神经网络进行预报 | 第77-91页 |
| ·小波神经网络的理论基础 | 第77-78页 |
| ·两种小波神经网络的特点和设计方法 | 第78-79页 |
| ·离散小波神经网络的结构和设计方法 | 第78-79页 |
| ·连续小波神经网络的结构和设计方法 | 第79页 |
| ·小波神经网络的优点 | 第79-80页 |
| ·基于小波神经网络的电力系统短期负荷预报概述 | 第80页 |
| ·利用小波神经网络进行电力系统短期负荷预报 | 第80-89页 |
| ·Morlet小波神经网络进行预报 | 第80-86页 |
| ·Morlet小波函数 | 第80-81页 |
| ·Morlet小波神经网络结构 | 第81页 |
| ·Morlet小波神经网络的BP算法 | 第81-83页 |
| ·实际算例 | 第83-86页 |
| ·Mexican Hat小波神经网络进行预报 | 第86-89页 |
| ·Mexican Hat小波函数 | 第86页 |
| ·实际算例 | 第86-89页 |
| ·仿真结果分析与对比 | 第89-90页 |
| ·小波神经网络与普通BP网络对比 | 第89-90页 |
| ·小波神经网络与改进的BP网络和RBF网络对比 | 第90页 |
| ·本章小结 | 第90-91页 |
| 结论 | 第91-93页 |
| 参考文献 | 第93-96页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第96-97页 |
| 致谢 | 第97页 |