| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·电力系统负荷预测的意义 | 第11-12页 |
| ·电力系统负荷预测的特点 | 第12-13页 |
| ·电力系统负荷预测的分类 | 第13页 |
| ·电力系统负荷预测的研究现状 | 第13-17页 |
| ·本文主要研究工作 | 第17-18页 |
| 第二章 人工神经网络 | 第18-26页 |
| ·人工神经网络概述 | 第18页 |
| ·神经元模型 | 第18-20页 |
| ·神经网络模型结构 | 第20-21页 |
| ·神经网络模型的分类 | 第21-23页 |
| ·神经网络的学习特性 | 第23-24页 |
| ·神经网络的特点 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于 BP 神经网络的电力负荷预测 | 第26-42页 |
| ·BP 神经网络基本原理 | 第26-27页 |
| ·BP 神经网络模型的结构 | 第27页 |
| ·BP 神经网络的学习算法 | 第27-32页 |
| ·正向传播 | 第27-29页 |
| ·反向传播 | 第29-31页 |
| ·BP 神经网络学习的具体步骤 | 第31-32页 |
| ·基于 BP 神经网络的电力负荷预测模型的建立 | 第32-39页 |
| ·历史数据的选取及预处理 | 第33-34页 |
| ·负荷数据的归一化处理 | 第34页 |
| ·BP 神经网络的拓扑结构 | 第34-36页 |
| ·BP 神经网络学习参数的选取 | 第36-38页 |
| ·预测误差的分析 | 第38-39页 |
| ·实际算例分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于 RBF 神经网络的电力负荷预测 | 第42-53页 |
| ·RBF 神经网络模型的结构 | 第42-44页 |
| ·RBF 神经网络的学习算法 | 第44-47页 |
| ·RBF 神经网络与 BP 神经网络相比的优势 | 第47-48页 |
| ·BP 神经网络的问题 | 第47-48页 |
| ·RBF 神经网络的优势 | 第48页 |
| ·基于 RBF 神经网络的电力系统负荷预测模型的建立 | 第48-50页 |
| ·样本的选取 | 第48-49页 |
| ·负荷数据的预处理 | 第49-50页 |
| ·输入数据的归一化处理 | 第50页 |
| ·实际算例分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于 RBF 神经网络与模糊理论相结合的电力系统负荷预测 | 第53-68页 |
| ·模糊控制理论概述 | 第53-54页 |
| ·模糊控制的基本原理 | 第54-55页 |
| ·模糊控制器的结构及设计 | 第55-60页 |
| ·模糊控制器输入输出变量的选择 | 第56页 |
| ·语言变量值及其隶属函数的确定 | 第56-57页 |
| ·模糊控制的知识库 | 第57-58页 |
| ·模糊推理和模糊判决 | 第58-60页 |
| ·模糊理论与神经网络的结合 | 第60-61页 |
| ·基于 RBF 神经网络与模糊理论的电力系统负荷预测模型的建立 | 第61-65页 |
| ·建立 RBF 神经网络的模型 | 第61页 |
| ·模糊控制的调整 | 第61-65页 |
| ·实际算例分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| ·本文结论 | 第68-69页 |
| ·课题展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 在学研究成果 | 第72-73页 |
| 致谢 | 第73页 |
