| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要内容 | 第12-14页 |
| 第2章 电力系统负荷种类、特性及预测方法 | 第14-22页 |
| 2.1 电力系统负荷分类 | 第14-15页 |
| 2.2 电力系统负荷特性分析 | 第15-18页 |
| 2.2.1 年负荷特性 | 第15-16页 |
| 2.2.2 月负荷特性 | 第16页 |
| 2.2.3 周负荷特性 | 第16-17页 |
| 2.2.4 日负荷特性 | 第17-18页 |
| 2.3 负荷预测分类与特点 | 第18-20页 |
| 2.3.1 负荷预测分类 | 第18-19页 |
| 2.3.2 负荷预测特性 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 负荷数据预处理 | 第22-40页 |
| 3.1 负荷数据预处理的意义 | 第22页 |
| 3.2 负荷数据处理 | 第22-24页 |
| 3.2.1 异常负荷数据类型 | 第22-23页 |
| 3.2.2 常见的异常负荷数据的检测与修正法 | 第23-24页 |
| 3.3 小波变换基本原理 | 第24-31页 |
| 3.3.1 窗口傅里叶变换 | 第24-26页 |
| 3.3.2 母小波与小波基函数 | 第26-27页 |
| 3.3.3 连续小波变换 | 第27-29页 |
| 3.3.4 离散小波变换 | 第29页 |
| 3.3.5 离散小波逆变换 | 第29-30页 |
| 3.3.6 多尺度分析 | 第30-31页 |
| 3.4 小波去噪原理 | 第31-32页 |
| 3.5 小波去噪方案设计 | 第32-35页 |
| 3.5.1 小波函数的选取 | 第32-33页 |
| 3.5.2 阈值的判断 | 第33-34页 |
| 3.5.3 阈值函数的选取 | 第34-35页 |
| 3.6 小波降噪方法仿真与分析 | 第35-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第4章 人工神经网络原理及改进 | 第40-58页 |
| 4.1 人工神经网络 | 第40-43页 |
| 4.1.1 人工神经网络概述 | 第40页 |
| 4.1.2 人工神经元及特性 | 第40-43页 |
| 4.1.3 人工神经网络的学习 | 第43页 |
| 4.2 BP神经网络 | 第43-47页 |
| 4.2.1 BP神经网络的结构 | 第43-44页 |
| 4.2.2 BP学习算法 | 第44-47页 |
| 4.2.3 BP学习执行步骤 | 第47页 |
| 4.2.4 BP算法的缺点 | 第47页 |
| 4.3 Elman神经网络 | 第47-50页 |
| 4.3.1 Elman神经网络结构 | 第48页 |
| 4.3.2 Elman神经网络学习算法 | 第48-50页 |
| 4.3.3 Elman神经网络预测流程 | 第50页 |
| 4.4 BP神经网络改进 | 第50-54页 |
| 4.4.1 距离与相似系数 | 第51-52页 |
| 4.4.2 改进算法描述 | 第52-54页 |
| 4.5 Elman神经网络改进 | 第54-56页 |
| 4.5.1 改进Elman网络结构 | 第54-55页 |
| 4.5.2 改进Elman学习算法 | 第55页 |
| 4.5.3 竞争神经元及自适应学习率 | 第55-56页 |
| 4.5.4 改进后的预测流程 | 第56页 |
| 4.6 本章小结 | 第56-58页 |
| 第5章 基于改进的人工神经网络负荷预测设计与仿真分析 | 第58-78页 |
| 5.1 气象因素对短期负荷预测的影响分析与处理 | 第58-60页 |
| 5.1.1 综合气象因子理论 | 第58-59页 |
| 5.1.2 气象因素处理 | 第59-60页 |
| 5.2 人工神经网络的设计 | 第60-62页 |
| 5.2.1 输入变量的选择 | 第60页 |
| 5.2.2 样本的确定 | 第60-61页 |
| 5.2.3 样本数据归一化 | 第61页 |
| 5.2.4 神经元数量与网络层数的确定 | 第61-62页 |
| 5.3 仿真分析 | 第62-73页 |
| 5.3.1 BP神经网络仿真分析 | 第62-67页 |
| 5.3.2 Elman神经网络仿真分析 | 第67-72页 |
| 5.3.3 预测结果误差分析 | 第72-73页 |
| 5.4 特例分析 | 第73-77页 |
| 5.4.1 特例情况说明 | 第73-74页 |
| 5.4.2 特例原因分析 | 第74-75页 |
| 5.4.3 归一化模型改进 | 第75-76页 |
| 5.4.4 仿真结果与分析 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84页 |