基于分解识别与预测的家庭能源中心研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 课题研究的来源和目的 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 高级量测架构 | 第11-12页 |
| 1.3.2 非侵入式识别 | 第12-13页 |
| 1.3.3 负荷预测算法 | 第13-14页 |
| 1.4 本文的主要研究内容 | 第14-16页 |
| 第2章 能源中心的设计实现 | 第16-33页 |
| 2.1 引言 | 第16页 |
| 2.2 概念模型 | 第16-19页 |
| 2.3 硬件架构 | 第19-22页 |
| 2.3.1 主控模块 | 第20-21页 |
| 2.3.2 通信模块 | 第21页 |
| 2.3.3 辅助模块 | 第21-22页 |
| 2.4 软件架构 | 第22-30页 |
| 2.4.1 功能划分 | 第22-23页 |
| 2.4.2 主要流程 | 第23-24页 |
| 2.4.3 上行通信 | 第24-27页 |
| 2.4.4 室内网络 | 第27-30页 |
| 2.5 测试及问题改进 | 第30-32页 |
| 2.5.1 集成与测试 | 第30-31页 |
| 2.5.2 上行通信改进 | 第31页 |
| 2.5.3 安装改进 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 能源中心的设备识别 | 第33-42页 |
| 3.1 引言 | 第33页 |
| 3.2 特征值提取 | 第33-35页 |
| 3.3 整数规划识别算法 | 第35-36页 |
| 3.4 仿真与分析 | 第36-39页 |
| 3.5 多特征分析识别 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 能源中心的电量预测 | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 基于ARIMA的负荷预测 | 第42-50页 |
| 4.2.1 负荷模型简述 | 第42-44页 |
| 4.2.2 模型定阶和参数估计 | 第44-48页 |
| 4.2.3 算法设计和实验对比 | 第48-50页 |
| 4.3 基于BP算法的负荷预测 | 第50-54页 |
| 4.3.1 神经网络设计 | 第50-52页 |
| 4.3.2 网络训练和预测比较 | 第52-54页 |
| 4.4 不同算法结果比较 | 第54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62页 |
