地区电网短期负荷预测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·负荷预测的概念及作用 | 第8页 |
| ·短期负荷预测方法综述 | 第8-13页 |
| ·短期负荷预测的概念与意义 | 第8-9页 |
| ·短期负荷预测的主要影响因素 | 第9-10页 |
| ·负荷预测的误差分析 | 第10-11页 |
| ·短期负荷预测的研究现状 | 第11-13页 |
| ·本文主要的研究工作 | 第13-15页 |
| 第二章 人工神经网络 | 第15-28页 |
| ·人工神经网络的特征及一般模型 | 第16-18页 |
| ·人工神经网络的特征 | 第16-17页 |
| ·人工神经网络的一般模型 | 第17-18页 |
| ·神经网络的基本学习方式及学习算法 | 第18-21页 |
| ·神经网络的基本学习方式 | 第18-20页 |
| ·神经网络的学习算法 | 第20-21页 |
| ·BP网络的基本计算 | 第21-23页 |
| ·RBF网络的基本计算 | 第23-24页 |
| ·RBF网络与 BP网络之间的差别 | 第24-27页 |
| ·BP网络的不足之处 | 第24-25页 |
| ·RBF网络与 BP网络的差别 | 第25页 |
| ·算例分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 南昌电网负荷特性分析 | 第28-34页 |
| ·引言 | 第28页 |
| ·电力负荷特性分析 | 第28-33页 |
| ·日类型对负荷特性的影响 | 第29-31页 |
| ·气象因素对负荷特性的影响 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 日负荷预测模型的建立与预测 | 第34-52页 |
| ·预测模型的建立 | 第34-40页 |
| ·对预测模型建立的几点思考 | 第34-35页 |
| ·神经网络模型拓扑结构分析 | 第35-38页 |
| ·对有关输入输出变量的处理 | 第38-40页 |
| ·神经网络模型的训练 | 第40-48页 |
| ·样本的选取 | 第41页 |
| ·样本数据的预处理 | 第41-43页 |
| ·网络模型的训练与测试 | 第43-48页 |
| ·负荷预测的计算实例与评估分析 | 第48-50页 |
| ·计算实例 | 第48-49页 |
| ·评估分析 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 节假日负荷预侧模型的建立与预测 | 第52-62页 |
| ·节假日预测模型的建立 | 第52-53页 |
| ·灰色模型的数学过程及其检验 | 第53-56页 |
| ·灰色数据的处理方式 | 第53-54页 |
| ·灰色模型的数学过程 | 第54-55页 |
| ·灰色模型的精度检验 | 第55-56页 |
| ·灰色模型的改进及计算实例 | 第56-60页 |
| ·灰色模型的改进 | 第56-57页 |
| ·计算实例及其分析 | 第57-60页 |
| ·本章小结 | 第60-62页 |
| 第六章 结束语 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·不足与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
