基于电能表需求预测的配送优化研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 研究内容与框架 | 第16-19页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究框架 | 第17-19页 |
| 2 电能表需求预测与配送优化基础理论 | 第19-39页 |
| 2.1 预测基本理论概述 | 第19-27页 |
| 2.1.1 时间序列的概念与预测特点 | 第19页 |
| 2.1.2 预测的步骤 | 第19-20页 |
| 2.1.3 时间序列预测的基本模型 | 第20-24页 |
| 2.1.4 预测模型评价方法 | 第24-26页 |
| 2.1.5 误差准确性度量 | 第26-27页 |
| 2.2 配送优化的基本理论简述 | 第27-30页 |
| 2.2.1 配送优化问题的分类 | 第27-28页 |
| 2.2.2 配送优化问题基本模型 | 第28-29页 |
| 2.2.3 配送问题中时间窗 | 第29-30页 |
| 2.3 遗传算法优化设计 | 第30-37页 |
| 2.3.1 车辆配送优化问题的算法 | 第30-31页 |
| 2.3.2 遗传算法简介 | 第31-32页 |
| 2.3.3 遗传算法优化流程 | 第32-33页 |
| 2.3.4 遗传算法的应用 | 第33-37页 |
| 2.4 本章小结 | 第37-39页 |
| 3 电能表需求预测研究 | 第39-57页 |
| 3.1 R软件编程环境 | 第39-40页 |
| 3.2 电能表需求预测方案制定 | 第40-42页 |
| 3.2.1 向前预测期数 | 第40页 |
| 3.2.2 电能表需求预测建模 | 第40-41页 |
| 3.2.3 电能表需求预测过程 | 第41-42页 |
| 3.3 电能表的需求预测 | 第42-53页 |
| 3.3.1 电能表分类 | 第42-43页 |
| 3.3.2 单相电能表预测 | 第43-48页 |
| 3.3.3 三相电能表预测 | 第48-51页 |
| 3.3.4 光伏电能表预测 | 第51-53页 |
| 3.4 各供电所预测数据 | 第53-54页 |
| 3.5 本章小结 | 第54-57页 |
| 4 电能表配送优化研究 | 第57-75页 |
| 4.1 MATLAB及其编程环境 | 第57页 |
| 4.2 电能表配送优化模型的建立 | 第57-59页 |
| 4.3 电能表配送优化问题算法的设计 | 第59-62页 |
| 4.3.1 决策变量编码 | 第59-60页 |
| 4.3.2 适应度函数的选取 | 第60-61页 |
| 4.3.3 优化参数的设定与算法流程 | 第61-62页 |
| 4.4 电能表配送优化算例及其分析 | 第62-73页 |
| 4.4.1 配送参数选取 | 第62-64页 |
| 4.4.2 时间窗约束对配送成本的影响 | 第64-67页 |
| 4.4.3 混合配送的成本优势 | 第67-69页 |
| 4.4.4 车辆载重对配送成本的影响 | 第69-73页 |
| 4.5 本章小结 | 第73-75页 |
| 5 结论与展望 | 第75-77页 |
| 5.1 结论 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 作者简历 | 第79-83页 |
| 学位论文数据集 | 第83页 |
