1. 毕业设计（论文）主要内容：
电力负荷预测是电力系统规划和运行决策的重要依据，其预测精度直接影响系统运行的安全性和经济性。但现有的负荷预测方法大都是确定性的负荷预测。实际上,由于电力系统中蕴含了各种不确定因素,使得决策工作必然面临一定程度的风险,所以在决策时必须考虑电力需求的不确定性。传统确定性预测方法的结果不能反映需求的不确定性,因此本课题研究基于区间预测的电力负荷预测方法。区间预测能够描述一定概率置信水平下未来预测结果的可能范围。根据区间预测结果,电力系统决策人员在进行生产计划、系统安全分析等工作时能够更好地认识到未来负荷可能存在的不确定性和面临的风险因素,从而及时作出更为合理的决策。同时，人工神经网络以其强大的非线性逼近能力在时间序列预测问题中得到了广泛的应用，因此本课题研究基于人工神经网络的区间预测方法，同时采用“分解-集成”的预测思路对电力负荷预测的相关问题进行研究。具体内容如下：
（1）时间序列区间预测方法研究
（2）神经网络回归算法研究及其程序实现
2. 毕业设计（论文）主要任务及要求
（1）通过本课题的训练，培养学生动手能力、分析问题及解决问题的能力；
（2）翻译与本课题相关的英文资料（不少于3000中文字符）；
（3）查阅文献资料，撰写开题报告（不少于5000中文字符）；（4）掌握基于神经网络的区间预测原理及程序实现
3. 毕业设计（论文）完成任务的计划与安排
1-2周，完成开题报告和文献翻译，完成开题答辩；
3-4周，了解时间序列预测问题的背景和常用方法；
5-7周，掌握神经网络区间预测的基本原理及程序实现；
4. 主要参考文献
（1）Abbas Khosravi, Saeid Nahavandi, Doug Creighton, and Amir F. Atiya, Comprehensive Review of Neural Network-Based Prediction Intervals and New Advances,IEEE Transactions on Neural Networks, vol. 22, no. 9, 2011.（2）Abbas Khosravi, Saeid Nahavandi, Dipti Srinivasan, and Rihanna Khosravi,Constructing Optimal Prediction Intervals by Using Neural Networks and Bootstrap Method, IEEE Transactions on Neural Networks and Learning Systems.（3）Hao Quan, Dipti Srinivasan, and Abbas Khosravi, Short-Term Load and Wind Power Forecasting Using Neural Network-Based Prediction Intervals, IEEE Transactions on Neural Networks and Learning Systems, vol. 25, no. 2, 2014.（4）C. Wan, Z. Xu, P. Pinson, Z. Y. Dong, and K. P. Wong “Probabilistic forecasting of wind power generation using extreme learning machine,”IEEE Trans. Power Syst., vol. 29, no. 3, pp. 1033-1044, 2014.（5）C. Wan, Z. Xu, Y. L. Wang, Z. Y. Dong, and K. P. Wong “A hybrid approach for probabilistic forecasting of electricity price,” IEEE Trans. Smart Grid, vol. 5, no. 1, pp. 463-470, 2014.
（6）神经网络设计，机械工业出版社
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
