基于小波神经网络的高峰负荷预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·电网高峰负荷预测的目的与意义 | 第8-10页 |
| ·国内外研究现状及发展趋势 | 第10-12页 |
| ·电力系统负荷预测的传统预测算法 | 第10-11页 |
| ·电力系统负荷预测的智能预测算法 | 第11-12页 |
| ·本文研究的主要内容 | 第12-14页 |
| 第2章 负荷数据预处理 | 第14-25页 |
| ·引言 | 第14页 |
| ·负荷数据误差分析 | 第14-17页 |
| ·负荷数据误差来源分析 | 第14-15页 |
| ·负荷数据预处理策略 | 第15-17页 |
| ·小波分析简介 | 第17-22页 |
| ·小波分析理论基础 | 第17-19页 |
| ·小波多分辨分析技术 | 第19-20页 |
| ·基于滤波器组的小波变换实现技术 | 第20-22页 |
| ·小波阈值降噪 | 第22-24页 |
| ·小波阈值降噪原理 | 第22-23页 |
| ·小波阈值降噪应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 负荷特性分析及样本选取 | 第25-32页 |
| ·引言 | 第25页 |
| ·高峰特征参数 | 第25-27页 |
| ·高峰负荷特性分析 | 第27页 |
| ·基于小波分析的负荷分量分解 | 第27-28页 |
| ·基于欧几里德距离尺度的负荷样本选取 | 第28-31页 |
| ·负荷样本选取算法分析 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第4章 高峰负荷预测模型及算法 | 第32-53页 |
| ·引言 | 第32页 |
| ·数据归一化处理 | 第32页 |
| ·多元线性回归法 | 第32-36页 |
| ·小波神经网络法 | 第36-47页 |
| ·人工神经网络理论 | 第36-41页 |
| ·小波分析理论与人工神经网络的结合 | 第41-42页 |
| ·小波神经网络算法设计 | 第42-46页 |
| ·小波神经网络预测算法流程 | 第46-47页 |
| ·高峰负荷预测模型步骤及流程 | 第47-48页 |
| ·高峰负荷预测算例分析 | 第48-52页 |
| ·高峰负荷预测数值算例 | 第48-50页 |
| ·高峰负荷预测算法比较 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 高峰负荷预测软件系统 | 第53-57页 |
| ·引言 | 第53页 |
| ·系统设计 | 第53-55页 |
| ·系统结构设计 | 第53页 |
| ·数据库结构设计 | 第53-54页 |
| ·软件功能设计 | 第54-55页 |
| ·系统实现 | 第55-56页 |
| ·负荷数据预处理模块 | 第55页 |
| ·基于小波神经网络的高峰负荷预测模块 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |
