| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 国外现状 | 第11-12页 |
| 1.2.2 国内现状 | 第12-13页 |
| 1.3 课题研究内容 | 第13-15页 |
| 第2章 城市集中供热系统分析及负荷时间序列特性分析 | 第15-22页 |
| 2.1 集中供热的运行机理 | 第15-16页 |
| 2.2 集中供热的控制方案 | 第16-17页 |
| 2.3 影响负荷的因素分析 | 第17-18页 |
| 2.4 热网负荷时间序列特性简析 | 第18-20页 |
| 2.5 预测误差产生原因 | 第20页 |
| 2.6 预测误差评价标准 | 第20-21页 |
| 2.7 本章小结 | 第21-22页 |
| 第3章 粒子群算法简介 | 第22-28页 |
| 3.1 粒子群优化算法理论分析 | 第22-26页 |
| 3.1.1 粒子群算法基本原理 | 第22-23页 |
| 3.1.2 粒子群优化算法流程 | 第23-25页 |
| 3.1.3 PSO算法参数设置与分析 | 第25-26页 |
| 3.2 基于粒子群算法的模型优化求解 | 第26-27页 |
| 3.2.1 适应值函数 | 第26页 |
| 3.2.2 算法编码 | 第26页 |
| 3.2.3 粒子的初始化 | 第26-27页 |
| 3.2.4 收敛准则的确定 | 第27页 |
| 3.2.5 惯性权重系数的更新 | 第27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 BP神经网络原理简介 | 第28-34页 |
| 4.1 BP网络的计算 | 第30-31页 |
| 4.2 BP网络的权系数调整规则 | 第31页 |
| 4.3 隐含层节点数 | 第31-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第5章 热网负荷数据预处理 | 第34-46页 |
| 5.1 异常数据处理 | 第34-39页 |
| 5.1.1 密度估计法基本原理 | 第35-36页 |
| 5.1.2 参数设定 | 第36-37页 |
| 5.1.3 异常数据辨识过程及仿真结果 | 第37-39页 |
| 5.2 缺失数据处理 | 第39页 |
| 5.3 数据归一化 | 第39-40页 |
| 5.4 数据去噪处理 | 第40-45页 |
| 5.4.1 传统去噪方法概述 | 第40-41页 |
| 5.4.2 小波去噪处理 | 第41-44页 |
| 5.4.3 数据去噪处理流程 | 第44-45页 |
| 5.4.4 数据去噪效果仿真分析 | 第45页 |
| 5.5 本章小结 | 第45-46页 |
| 第6章 热网短期热负荷预测仿真 | 第46-54页 |
| 6.1 数据来源 | 第46-47页 |
| 6.2 粒子群算法的改进 | 第47-48页 |
| 6.2.1 极值扰动 | 第48页 |
| 6.2.2 自适应变异概率 | 第48页 |
| 6.3 改进PSO-BP混合算法 | 第48-50页 |
| 6.4 BP网络参数设置 | 第50-51页 |
| 6.5 改进粒子群算法参数设置 | 第51页 |
| 6.6 仿真结果和分析 | 第51-52页 |
| 6.7 本章小结 | 第52-54页 |
| 第7章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |