| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.1.1 课题背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 智能变电站调度平台研究现状 | 第10-11页 |
| 1.2.2 Spark云计算研究现状 | 第11页 |
| 1.2.3 并行潮流算法研究现状 | 第11-12页 |
| 1.3 论文主要工作 | 第12-14页 |
| 第二章 Spark基础理论及相关技术 | 第14-21页 |
| 2.1 MapReduce核心技术简述 | 第14-17页 |
| 2.1.1 分布式计算框架 | 第14-15页 |
| 2.1.2 MapReduce模型 | 第15-16页 |
| 2.1.3 MapReduce调度策略 | 第16-17页 |
| 2.2 Spark核心技术简述 | 第17-19页 |
| 2.2.1 Spark架构模式 | 第17-18页 |
| 2.2.2 Spark工作流程 | 第18-19页 |
| 2.3 智能变电站云调度系统概述 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 异构环境下Spark智能调度云系统的设计与优化 | 第21-47页 |
| 3.1 概述 | 第21页 |
| 3.2 RDD运算流的构建与分析 | 第21-25页 |
| 3.2.1 Spark任务调度过程 | 第21-23页 |
| 3.2.2 RDD运算流图的建立 | 第23-25页 |
| 3.3 基于RDD运算流的优化策略 | 第25-31页 |
| 3.3.1 基于优先级的任务筛选策略 | 第25-28页 |
| 3.3.2 基于优先级的RDD分区缓存策略 | 第28-31页 |
| 3.4 基于RDD运算流的多目标资源调度策略的设计 | 第31-36页 |
| 3.4.1 RDD分级调度策略的制定 | 第31-33页 |
| 3.4.2 目标函数和控制变量的选择 | 第33-36页 |
| 3.5 基于Pareto的多目标调度优化算法 | 第36-41页 |
| 3.5.1 编码方式的选取 | 第36页 |
| 3.5.2 适用度函数的构造 | 第36-37页 |
| 3.5.3 基于偏好支配的搜索 | 第37-39页 |
| 3.5.4 种群的克隆增殖操作 | 第39-40页 |
| 3.5.5 种群修剪策略 | 第40页 |
| 3.5.6 MOPIA算法主流程 | 第40-41页 |
| 3.6 算法仿真及性能分析 | 第41-46页 |
| 3.6.1 实验环境介绍 | 第41页 |
| 3.6.2 模型参数设置 | 第41-42页 |
| 3.6.3 实验结果分析 | 第42-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第四章 基于Spark云计算的电力系统并行潮流算法的设计与实现 | 第47-68页 |
| 4.1 概述 | 第47-48页 |
| 4.2 串行系统基本潮流算法 | 第48-51页 |
| 4.3 牛拉法潮流计算的并行化改造 | 第51-52页 |
| 4.4 基于Spark平台的并行潮流算法的设计与装配 | 第52-59页 |
| 4.4.1 Spark-GPU云对Jacobi矩阵的分布式更新 | 第53-54页 |
| 4.4.2 Spark-GPU云对修正方程的分布式求解 | 第54-58页 |
| 4.4.3 并行潮流计算流程图 | 第58-59页 |
| 4.5 算例仿真分析 | 第59-67页 |
| 4.5.1 Hadoop云环境的实现 | 第59页 |
| 4.5.2 Spark云环境的实现 | 第59-60页 |
| 4.5.3 实验测试 | 第60-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68页 |
| 5.2 研究展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 发表论文和科研情况说明 | 第74-75页 |
| 致谢 | 第75页 |
