声明
摘要
第1章 绪论
1.1 课题背景
1.2 负荷预测概述
1.2.1 负荷预测分类
1.2.2 负荷预测特点
1.3 国内外负荷预测方法综述
1.3.1 电力系统负荷预测的传统方法
1.3.2 负荷预测的新技术
1.4 本文的主要工作
第2章 模糊理论基础
2.1 模糊理论概述
2.2 模糊集合理论
2.2.1 模糊集合的概念
2.2.2 模糊集合的表示方法
2.2.3 模糊集合的运算
2.2.4 隶属函数及其常见类型
2.3 模糊关系
2.3.1 经典关系
2.3.2 模糊关系
2.3.3 模糊关系的合成
2.4 模糊推理
2.4.1 模糊推理的定义
2.4.2 常用的模糊推理
第3章 人工神经网络及其在负荷预测中的应用
3.1 人工神经网络概述
3.2 人工神经网络的基本原理
3.2.1 人工神经网络的基本组成
3.2.2 人工神经网络的结构
3.2.3 人工神经网络的学习方式
3.3 BP神经网络简介
3.3.1 BP网络模型及其算法
3.3.2 BP网络的算法的改进
3.4 基于BP网络短期负荷预测
3.4.1 负荷数据的预处理
3.4.2 网络模型设计
3.4.3 输入样本的选择
3.4.4 预测实例分析
第4章 自适应神经网络模糊推理系统
4.1 概述
4.2 Mamdani型神经网络结构
4.3 Takagi—Sugeno型神经网络结构
4.4 ANFIS的学习算法
4.4.1 误差反向传播算法
4.4.2 最小二乘法
4.4.3 混合学习算法
4.5 ANFIS输入空间划分
4.5.1 基于网格的输入空间划分
4.5.2 基于聚类的输入空间划分
第5章 ANFIS在短期负荷预测中的应用
5.1 输入输出变量的确定
5.2 预测模型的分析
5.3 基于减法类聚的AN FIS预测模型
5.3.1 减法类聚的算法分析
5.3.2 建立减法类聚预测模型
5.3.3 预测模型的模糊推理规则
5.3.4 预测模型的训练
5.3.5 基于模型的预测
5.3.6 预测结果分析
5.4 本章小结
第6章 结论
参考文献
致谢
作者介绍