短期电力负荷预测的神经网络模型优化研究及应用
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-13页 |
| ·本课题的研究背景及意义 | 第7-8页 |
| ·负荷预测的发展和研究现状 | 第8-10页 |
| ·短期负荷预测的人工神经网络方法 | 第10-11页 |
| ·本论文所做的主要工作 | 第11-13页 |
| 第二章 短期负荷预测概述和分析 | 第13-24页 |
| ·电力系统负荷预测的分类 | 第13-14页 |
| ·按用电部门的属性分类 | 第13-14页 |
| ·按时间分类 | 第14页 |
| ·电力系统负荷预测的特点 | 第14-16页 |
| ·电力负荷特性分析 | 第16-19页 |
| ·负荷的周期性 | 第16-17页 |
| ·负荷的随机性 | 第17页 |
| ·负荷的影响因素分析 | 第17-19页 |
| ·短期负荷预测的模型要求 | 第19页 |
| ·影响负荷预测精度的因素及误差分析 | 第19-21页 |
| ·影响负荷预测精度的因素 | 第19-20页 |
| ·负荷预测的误差分析 | 第20-21页 |
| ·河北省邢台市电力负荷分析 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 粒子群优化神经网络的基本原理及算法实现 | 第24-38页 |
| ·人工神经网络理论基础 | 第24-31页 |
| ·人工神经网络简介 | 第24-25页 |
| ·人工神经元模型及人工神经网络的分类 | 第25-28页 |
| ·BP 神经网络及其学习算法 | 第28-31页 |
| ·粒子群优化算法概述 | 第31-34页 |
| ·PSO 算法原理 | 第32-33页 |
| ·PSO 算法基本步骤和流程 | 第33页 |
| ·PSO 算法的参数设置 | 第33-34页 |
| ·基于PSO 的神经网络学习算法 | 第34-36页 |
| ·算法设计 | 第34-35页 |
| ·主要步骤 | 第35-36页 |
| ·算法流程图 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于粒子群优化神经网络的电力短期负荷预测 | 第38-49页 |
| ·粒子群优化神经网络短期负荷预测模型的建立 | 第38-42页 |
| ·网络模型输出层的选择 | 第38页 |
| ·网络模型输入层的选择 | 第38-39页 |
| ·对网络输入量的处理 | 第39-41页 |
| ·学习样本的选取 | 第41-42页 |
| ·神经网络隐含层节点数的选取 | 第42页 |
| ·预测模型的BP 神经网络结构图 | 第42页 |
| ·短期负荷预测实例分析 | 第42-48页 |
| ·基于BP 神经网络的电力系统短期负荷预测 | 第43-45页 |
| ·基于PSO 优化神经网络的电力系统短期负荷预测 | 第45-47页 |
| ·结果分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 在学期间发表的学术论文和参加科研情况 | 第54-55页 |
| 详细摘要 | 第55-63页 |
