| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·课题主要工作 | 第12-13页 |
| ·论文的组织安排 | 第13-14页 |
| 第2章 相关技术 | 第14-18页 |
| ·发电调度与负荷预测技术 | 第14-16页 |
| ·发电调度优化的相关理论及方法 | 第16页 |
| ·云计算平台在电力系统中的应用 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 基于 K-means 的负荷数据预处理算法及其并行化方法研究 | 第18-31页 |
| ·K-MEANS 聚类算法及其改进 | 第18-21页 |
| ·初始聚类中心的选择 | 第18页 |
| ·引入聚类有效性评价函数 | 第18-19页 |
| ·基于负荷变化率的距离计算 | 第19-21页 |
| ·基于改进 K-MEANS 算法的负荷数据预处理方法 | 第21-26页 |
| ·负荷数据预处理的特点 | 第21-22页 |
| ·算法设计与分析 | 第22-26页 |
| ·算法的并行化方案及其实现方法 | 第26-30页 |
| ·MapReduce 编程模型的基本思路 | 第26-27页 |
| ·负荷数据分片方法 | 第27-28页 |
| ·算法中 Reduce 函数的设计方法 | 第28-29页 |
| ·算法分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于粗粒度并行遗传算法的发电调度优化及其并行化方法研究 | 第31-40页 |
| ·机组组合问题的数学模型及优化方法 | 第31-32页 |
| ·粗粒度并行遗传算法在机组组合问题中的改进与应用 | 第32-36页 |
| ·粗粒度并行遗传算法 | 第32-33页 |
| ·基于粗粒度并行遗传算法的机组组合求解算法 | 第33-34页 |
| ·算法的实现及结论 | 第34-36页 |
| ·改进的粗粒度并行遗传算法的 MAPREDUCE 化实现 | 第36-38页 |
| ·粗粒度并行遗传算法的并行性研究 | 第36-37页 |
| ·数据分片方法 | 第37页 |
| ·通过 reduce 函数进行多种群交流的方法 | 第37-38页 |
| ·算法分析 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第5章 云计算平台的搭建与算法分析 | 第40-46页 |
| ·云计算仿真实验平台的搭建 | 第40-43页 |
| ·仿真结果及分析 | 第43-45页 |
| ·云计算环境下的负荷预测数据预处理算法结果分析 | 第43-44页 |
| ·云计算环境下的机组组合问题求解算法结果分析 | 第44-45页 |
| ·实验结论 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-48页 |
| ·本论文的主要工作 | 第46页 |
| ·对未来工作的展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-53页 |
| 致谢 | 第53页 |
