短期电力负荷的小波神经网络预测
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题研究的背景 | 第9-10页 |
| ·负荷预测概论 | 第10-12页 |
| ·负荷预测的概念 | 第10页 |
| ·用电分类与负荷预测分类 | 第10页 |
| ·负荷预测特点和原理 | 第10-11页 |
| ·影响电力负荷预测的因素 | 第11-12页 |
| ·电力负荷预测的目的和意义 | 第12-13页 |
| ·电力负荷预测技术的发展和现状 | 第13-14页 |
| ·电力负荷预测的误差分析 | 第14-16页 |
| ·产生误差原因 | 第15页 |
| ·预测误差分析 | 第15-16页 |
| ·本文研究的主要内容 | 第16-18页 |
| 第2章 人工神经网络理论及应用 | 第18-31页 |
| ·人工神经网络简介 | 第18-23页 |
| ·神经网络发展史 | 第18-19页 |
| ·人工神经网络模型 | 第19-21页 |
| ·神经网络的训练 | 第21-22页 |
| ·神经网络功能 | 第22-23页 |
| ·BP 神经网络的基本原理 | 第23-28页 |
| ·BP 神经网络的结构 | 第23页 |
| ·BP 神经网络误差反向传播学习算法基本思想 | 第23-24页 |
| ·BP 神经网络误差反向传播学习算法的计算步骤 | 第24-27页 |
| ·BP 网络的训练过程 | 第27-28页 |
| ·神经网络的设计 | 第28-29页 |
| ·BP 神经网络的局限性 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 小波神经网络 | 第31-39页 |
| ·小波理论的发展 | 第31页 |
| ·小波理论的基本概念 | 第31-34页 |
| ·连续小波变换 | 第31-33页 |
| ·离散小波变换 | 第33-34页 |
| ·小波函数的选取 | 第34页 |
| ·小波神经网络的基本理论 | 第34-38页 |
| ·小波神经网络理论的发展 | 第34-35页 |
| ·小波神经网络的算法 | 第35-38页 |
| ·小波神经网络的优点 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于小波神经网络短期负荷预测 | 第39-51页 |
| ·24 小时负荷数据仿真 | 第39-44页 |
| ·负荷数据的处理 | 第39-40页 |
| ·网络结构设置 | 第40页 |
| ·仿真 | 第40-43页 |
| ·仿真结果分析与对比 | 第43-44页 |
| ·一周内负荷数据仿真 | 第44-50页 |
| ·网络结构设置 | 第45页 |
| ·仿真 | 第45-49页 |
| ·仿真结果分析与对比 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论与展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录 A 4月1日电力负荷数据表 | 第57-58页 |
| 附录 B 4月1日电力负荷归一化数据表 | 第58-59页 |
| 附录 C 4月1日至4月7日电力负荷数据表 | 第59-61页 |
| 附录 D 4月1日至4月7日电力负荷归一化数据表 | 第61-62页 |
