| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 电力负荷预测研究现状 | 第11-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 第二章 短期负荷预测基本理论与特性分析 | 第15-23页 |
| 2.1 电力负荷基本概念 | 第15-16页 |
| 2.2 电力负荷预测原理 | 第16-18页 |
| 2.2.1 负荷预测原理 | 第16-17页 |
| 2.2.2 负荷预测程序 | 第17-18页 |
| 2.3 电力负荷预测特性分析 | 第18-20页 |
| 2.3.1 负荷预测内容 | 第18页 |
| 2.3.2 负荷预测分类 | 第18-19页 |
| 2.3.3 负荷预测特点 | 第19-20页 |
| 2.4 负荷预测精度影响与误差分析 | 第20-22页 |
| 2.4.1 负荷预测精度影响因素分析 | 第20页 |
| 2.4.2 负荷预测误差因素分析 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 短期负荷预测方法研究 | 第23-41页 |
| 3.1 基于灰色理论的预测方法 | 第23-28页 |
| 3.1.1 数据级比检验与可行性分析 | 第23页 |
| 3.1.2 数据变化处理 | 第23-24页 |
| 3.1.3 GM(1,1)预测模型的建立方法 | 第24-25页 |
| 3.1.4 模型检验 | 第25-28页 |
| 3.2 基于BP神经网络的预测方法 | 第28-32页 |
| 3.2.1 BP神经网络的结构 | 第28-29页 |
| 3.2.2 BP算法分析 | 第29-32页 |
| 3.3 基于回归分析的预测方法 | 第32-34页 |
| 3.3.1 基本概念 | 第32-33页 |
| 3.3.2 时间序列模型 | 第33-34页 |
| 3.4 茂名地区短期负荷预测算例分析 | 第34-40页 |
| 3.4.1 茂名地区短期负荷特点分析 | 第34-38页 |
| 3.4.2 茂名地区短期负荷预测算例分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 茂名地区短期负荷预测方法改进与应用 | 第41-53页 |
| 4.1 负荷组合预测模型分析 | 第41-43页 |
| 4.1.1 负荷组合模型因素分析 | 第41-42页 |
| 4.1.2 常用负荷组合预测模型 | 第42-43页 |
| 4.2 改进粒子群优化算法介绍 | 第43-45页 |
| 4.2.1 粒子群优化算法概述 | 第43-44页 |
| 4.2.2 粒子群优化算法改进介绍 | 第44-45页 |
| 4.3 基于改进粒子群优化算法的短期负荷预测模型设计 | 第45-47页 |
| 4.3.1 茂名地区短期负荷预测单一模型选取 | 第45-46页 |
| 4.3.2 基于改进粒子群优化算法的组合预测模型 | 第46-47页 |
| 4.4 应用算例分析 | 第47-52页 |
| 4.4.1 24h负荷预测应用算例 | 第47-50页 |
| 4.4.2 2 周短期预测应用算例 | 第50-51页 |
| 4.4.3 应用案例分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-55页 |
| 5.1 结论 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附件 | 第61页 |