声明
第1章 绪论
1.1 选题背景和意义
1.2 国内外研究现状
1.2.1 电力市场研究现状
1.2.2 聚类方法研究现状
1.2.3 电力负荷预测方法研究现状
1.3 目前短期负荷预测遇到的主要问题
1.4 本文的基本结构
第2章 电力系统负荷特性分析
2.1 电力负荷分类
(1) 城市居民负荷
(2) 商业用电负荷
(3) 工业用电负荷
(4) 农村用电负荷
2.2 电力负荷特性分析
2.2.1 电力负荷的特点
2.2.2 温度、季节与电力负荷的关系
2.2.3 节假日对电力负荷的影响
2.3 负荷数据预处理
2.3.1 数据预处理的重要性
2.3.2 数据预处理方法
2.4 本章小结
第3章 基于模糊C均值聚类的相似日聚类分析
3.1 特征向量的提取
3.2 样本数据的预处理
3.3 模糊C均值聚类
3.3.1 模糊C均值聚类
3.3.2 聚类有效性验证
3.4 相似日聚类分析实例
3.5 本章小结
第4章 基于FCM与BFA-Elman算法的短期电力负荷预测
4.1 BFA-Elman神经网络
4.1.1 Elman神经网络概述
4.1.2 Elman神经网络的网络结构
4.1.3 BFA-Elman神经网络算法
4.2 小波神经网络
4.2.1 小波神经网络算法介绍
4.2.2 小波神经网络算法训练步骤
4.3 RBF神经网络
4.3.1 RBF神经网络介绍
4.3.2 RBF神经网络算法步骤
4.4 实例仿真分析
4.4.1 仿真模型的建立
4.4.2 实验结果的分析
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 创新点
5.3 展望
参考文献
致谢
华北电力大学;
华北电力大学(保定);