文摘
英文文摘
第1章 绪 论
1.1 电力负荷管理概述
1.2 电力系统负荷管理中的短期负荷预测
1.2.1 电力系统负荷预测的步骤
1.2.2 国内外短期负荷预测现状
1.3 论文的主要工作及意义
第2章 电力负荷管理系统
2.1 SCADA系统组成
2.1.1 系统结构
2.1.2 系统功能
2.2 监控中心软件
2.3 负荷管理终端(RTU)
2.3.1 负荷管理终端的工作原理
2.3.2 性能参数指标
2.3.3 功能
第3章 基于BP神经网络的短期负荷预测
3.1 人工神经网络的概述
3.1.1 人工神经网络的基本概念
3.1.2 人工神经网络的基本特性
3.2 BP神经网络
3.2.1 BP神经网络概述
3.2.2 BP网络数学模型的建立
3.2.3 BP算法原理分析
3.2.4 BP算法流程图
3.2.5 标准BP算法的缺陷及改进
3.3 算例分析
3.3.1 神经网络隐含层节点数
3.3.2 BP神经网络的拟合情况分析
3.3.3 BP神经网络用于简单情况下的负荷预测
第4章 基于PSO-BP神经网络的短期负荷预测
4.1 粒子群优化算法
4.1.1 粒子群优化算法的基本原理
4.1.2 粒子群优化算法的特点
4.1.3 粒子群优化算法的改进
4.2 粒子群优化的BP神经网络
4.3 负荷预测中的影响因素分析
4.3.1 经济因素
4.3.2 时间因素
4.3.3 天气因素
4.3.4 负荷的其他影响因素
4.4 数据预处理
4.5 算例分析
4.5.1 正常日负荷预测
4.5.2 节假日负荷预测
第5章 结论
5.1 结论
参考文献
致谢