基于模糊聚类与RBF神经网络的负荷预测方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·论文选题背景和研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·超短期负荷预测研究现状 | 第11-12页 |
| ·短期负荷预测研究现状 | 第12-13页 |
| ·本文所做工作 | 第13-14页 |
| 第2章 电力负荷预测概论 | 第14-18页 |
| ·负荷的基本特点 | 第14页 |
| ·电力负荷预测分类 | 第14-15页 |
| ·按时间分类 | 第14页 |
| ·按行业分类 | 第14-15页 |
| ·负荷预测的常见方法 | 第15-16页 |
| ·负荷预测的误差分析 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 RBF神经网络 | 第18-25页 |
| ·人工神经网络概述 | 第18页 |
| ·RBF神经网络结构 | 第18-20页 |
| ·RBF网络的学习规则 | 第20-22页 |
| ·RBF网络与BP网络的比较 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第4章 基于模糊聚类与神经网络的负荷预测模型 | 第25-44页 |
| ·模糊聚类概述 | 第25页 |
| ·模糊C均值聚类算法简介 | 第25-27页 |
| ·局部相似日模型 | 第27-30页 |
| ·历史负荷样本聚类参数C的选取 | 第27-28页 |
| ·局部相似日的选取 | 第28页 |
| ·局部相似日模型的建立 | 第28-30页 |
| ·超短期负荷预测模型 | 第30-36页 |
| ·超短期负荷特性分析 | 第30-34页 |
| ·超短期负荷预测建模 | 第34-35页 |
| ·神经网络输入输出节点的选取 | 第35页 |
| ·超短期负荷预测历史数据预处理 | 第35-36页 |
| ·短期负荷预测模型 | 第36-42页 |
| ·考虑气温的短期负荷预测建模 | 第36-38页 |
| ·温度参数的量化 | 第38页 |
| ·权值参数的选取 | 第38-40页 |
| ·不考虑气温的短期负荷预测建模 | 第40页 |
| ·短期负荷预测专家系统法修正 | 第40-42页 |
| ·超短期与短期负荷预测之间的相互转换 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 算例仿真与分析 | 第44-58页 |
| ·超短期负荷预测仿真 | 第44-49页 |
| ·超短期负荷预测仿真结论对比分析 | 第49-50页 |
| ·纯RBF方法与FCM-RBF方法的对比 | 第49-50页 |
| ·GRA-RBF方法和FCM-RBF方法的对比 | 第50页 |
| ·短期负荷预测仿真 | 第50-57页 |
| ·考虑气温因素的负荷预测仿真 | 第50-55页 |
| ·不考虑气温因素的负荷预测仿真 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 结论与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间发表的学术论文 | 第64页 |
