| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第8-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景和研究目的和意义 | 第12页 |
| 1.2 国内外研究动态 | 第12-18页 |
| 1.2.1 供热系统控制研究现状 | 第13页 |
| 1.2.2 供热负荷预测 | 第13-16页 |
| 1.2.3 预测控制 | 第16-18页 |
| 1.3 本文的研究内容 | 第18-20页 |
| 第二章 集中供热系统动态模型 | 第20-42页 |
| 2.1 案例基本概况 | 第20-21页 |
| 2.2 热力工况机理建模 | 第21-27页 |
| 2.2.1 直燃机建模 | 第21-22页 |
| 2.2.2 管网建模 | 第22-23页 |
| 2.2.3 风机盘管建模 | 第23-24页 |
| 2.2.4 用户室内建模 | 第24-25页 |
| 2.2.5 集中供热系统总动态模型 | 第25-27页 |
| 2.3 热力工况试验建模 | 第27-41页 |
| 2.3.1 试验方案 | 第28-30页 |
| 2.3.2 供热系统模型结构 | 第30-31页 |
| 2.3.3 模型参数辨识方法 | 第31-34页 |
| 2.3.4 模型阶次辨识方法 | 第34-36页 |
| 2.3.5 辨识结果 | 第36-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 供热负荷预测 | 第42-62页 |
| 3.1 样本数据的获取及预处理 | 第42-48页 |
| 3.1.1 数据的获取 | 第42-44页 |
| 3.1.2 数据去噪处理 | 第44-48页 |
| 3.1.3 数据归一化处理 | 第48页 |
| 3.2 供热负荷特性分析 | 第48-50页 |
| 3.2.1 负荷特性 | 第48页 |
| 3.2.2 影响因素 | 第48-50页 |
| 3.3 神经网络预测模型 | 第50-51页 |
| 3.4 BP 神经网络预测 | 第51-52页 |
| 3.5 小波神经网络预测 | 第52-55页 |
| 3.5.1 小波神经网络结构 | 第52-53页 |
| 3.5.2 小波神经网络学习算法 | 第53-54页 |
| 3.5.3 小波神经网络预测结果 | 第54-55页 |
| 3.6 扩展蚁群算法优化的小波神经网络预测 | 第55-59页 |
| 3.6.1 扩展蚁群算法原理 | 第55-56页 |
| 3.6.2 扩展蚁群算法的改进 | 第56-57页 |
| 3.6.3 扩展蚁群算法对小波网络参数寻优流程 | 第57-58页 |
| 3.6.4 扩展蚁群算法优化的小波神经网络预测结果 | 第58-59页 |
| 3.7 预测模型对比分析 | 第59-61页 |
| 3.8 本章小结 | 第61-62页 |
| 第四章 集中供热系统的预测控制 | 第62-72页 |
| 4.1 广义预测控制 | 第62-66页 |
| 4.1.1 预测模型 | 第62-63页 |
| 4.1.2 滚动优化 | 第63-66页 |
| 4.1.3 模型校正 | 第66页 |
| 4.2 基于 Hammerstein 模型的广义预测控制策略 | 第66-68页 |
| 4.2.1 Hammerstein 模型的滚动优化过程 | 第66-67页 |
| 4.2.2 参数选取 | 第67-68页 |
| 4.3 集中供热系统预测控制仿真研究 | 第68-71页 |
| 4.3.1 回水温度的确定 | 第68-69页 |
| 4.3.2 控制仿真 | 第69-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72页 |
| 5.2 展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 攻读硕士学位期间发表的论文 | 第80页 |
