大用户负荷预测方法研究及其应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 负荷预测概述 | 第11-15页 |
| 1.2.1 负荷预测起源与发展 | 第11页 |
| 1.2.2 负荷预测算法介绍 | 第11-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.3.1 电力负荷预测研究现状 | 第15-16页 |
| 1.3.2 大用户负荷预测研究现状 | 第16-17页 |
| 1.4 课题来源 | 第17页 |
| 1.5 本文的内容安排 | 第17-19页 |
| 第2章 大用户负荷特性分析 | 第19-31页 |
| 2.1 大用户负荷特性分析 | 第19-21页 |
| 2.1.1 负荷变化特点 | 第19-20页 |
| 2.1.2 大用户负荷影响分析 | 第20-21页 |
| 2.2 钢铁企业负荷特性分析 | 第21-25页 |
| 2.2.1 钢铁企业生产工艺 | 第22-23页 |
| 2.2.2 负荷特性分析 | 第23-25页 |
| 2.3 其他大用户负荷特性分析 | 第25-30页 |
| 2.3.1 水泥企业负荷特性分析 | 第25-27页 |
| 2.3.2 化纤企业负荷特性分析 | 第27-28页 |
| 2.3.3 造纸企业负荷特性分析 | 第28-30页 |
| 2.4 小结 | 第30-31页 |
| 第3章 大用户负荷预测算法分析与研究 | 第31-40页 |
| 3.1 引言 | 第31页 |
| 3.2 大用户负荷预测技术 | 第31-36页 |
| 3.2.1 灰色模型 | 第31-32页 |
| 3.2.2 BP神经网络 | 第32-34页 |
| 3.2.3 广义回归神经网络 | 第34-35页 |
| 3.2.4 灰色神经网络 | 第35-36页 |
| 3.3 算法分析 | 第36-39页 |
| 3.3.1 数据归化处理 | 第36页 |
| 3.3.2 误差分析 | 第36-37页 |
| 3.3.3 仿真分析 | 第37-39页 |
| 3.4 小结 | 第39-40页 |
| 第4章 PSO-SVM大用户负荷预测 | 第40-45页 |
| 4.1 SVM神经网络 | 第40-41页 |
| 4.2 粒子群算法 | 第41页 |
| 4.3 PSO优化SVM | 第41-42页 |
| 4.4 算例仿真与分析 | 第42-44页 |
| 4.4.1 算法仿真 | 第42-43页 |
| 4.4.2 结果分析 | 第43-44页 |
| 4.5 小结 | 第44-45页 |
| 第5章 大用户负荷预测管理系统 | 第45-53页 |
| 5.1 系统设计 | 第45-46页 |
| 5.1.1 系统设计原则和结构 | 第45-46页 |
| 5.1.2 网络结构和数据库设计 | 第46页 |
| 5.2 系统流程及应用 | 第46-49页 |
| 5.2.1 系统预测流程 | 第47-48页 |
| 5.2.2 系统应用 | 第48-49页 |
| 5.3 系统模块及功能 | 第49-51页 |
| 5.3.1 页面模块功能 | 第49-51页 |
| 5.3.2 接口模块功能 | 第51页 |
| 5.4 系统的特色 | 第51-52页 |
| 5.5 小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第60-61页 |
| 附录B 攻读学位期间所参加的科研项目目录 | 第61页 |
