| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-21页 |
| 1.1 课题研究背景 | 第11-13页 |
| 1.2 课题研究意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 电力需求预测研究现状 | 第14-16页 |
| 1.3.2 电力需求侧管理研究现状 | 第16-18页 |
| 1.4 本文主要研究内容 | 第18-21页 |
| 2 北京市电力需求和DSM分析研究 | 第21-43页 |
| 2.1 基于LMDI模型的北京市电力需求分析研究 | 第21-26页 |
| 2.1.1 LMDI模型构建 | 第22-23页 |
| 2.1.2 北京市电力消费LMDI分解研究 | 第23-26页 |
| 2.1.3 LMDI分解结果分析 | 第26页 |
| 2.2 北京市DSM实施现状分析 | 第26-31页 |
| 2.2.1 DSM主要内容及效果 | 第26-30页 |
| 2.2.2 北京市DSM实施手段 | 第30-31页 |
| 2.3 北京市DSM技术手段及DSM项目分析 | 第31-41页 |
| 2.3.1 绿色照明技术 | 第31-34页 |
| 2.3.2 蓄冷空调技术 | 第34-38页 |
| 2.3.3 电机技术 | 第38-39页 |
| 2.3.4 热泵技术 | 第39-41页 |
| 2.4 本章小结 | 第41-43页 |
| 3 基于DSM项目的电力需求优化研究 | 第43-53页 |
| 3.1 某工厂DSM绿色照明项目概述 | 第43-44页 |
| 3.2 模型建立 | 第44-45页 |
| 3.3 DSM项目的电力需求优化算法 | 第45-49页 |
| 3.3.1 粒子群算法 | 第45-47页 |
| 3.3.2 粒子群算法中的参数设置 | 第47-48页 |
| 3.3.3 粒子群算法流程 | 第48-49页 |
| 3.4 基于DSM项目的电力需求优化 | 第49-52页 |
| 3.4.1 粒子群算法求解模型过程 | 第49-51页 |
| 3.4.2 DSM项目电力需求优化结果 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 基于DSM项目的电力需求分析与预测 | 第53-75页 |
| 4.1 DSM项目的用电特性的统计分析 | 第53-57页 |
| 4.1.1 绿色照明项目统计特性 | 第54-56页 |
| 4.1.2 空调项目统计特性 | 第56-57页 |
| 4.2 电力需求影响变量的确定 | 第57-61页 |
| 4.2.1 绿色照明项目电力需求影响变量确定 | 第57-59页 |
| 4.2.2 空调项目电力需求影响变量确定 | 第59-61页 |
| 4.3 基于绿色照明项目统计数据的回归分析和预测 | 第61-67页 |
| 4.3.1 回归分析模型构建 | 第61-64页 |
| 4.3.2 多元线性回归分析 | 第64-65页 |
| 4.3.3 含虚拟变量的回归分析 | 第65-67页 |
| 4.4 基于空调项目统计数据的灰色神经网络分析和预测 | 第67-73页 |
| 4.4.1 灰色神经网络模型构建 | 第67-70页 |
| 4.4.2 网络数据预处理 | 第70页 |
| 4.4.3 网络构建及训练 | 第70-71页 |
| 4.4.4 网络预测结果 | 第71-73页 |
| 4.5 整体预测方案 | 第73页 |
| 4.6 本章小结 | 第73-75页 |
| 5 总结和展望 | 第75-77页 |
| 5.1 总结 | 第75页 |
| 5.2 下一步工作及展望 | 第75-77页 |
| 参考文献 | 第77-79页 |
| 作者简介及攻读硕士学位期间取得的研究成果 | 第79-83页 |
| 学位论文数据集 | 第83页 |