| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景与意义 | 第9-10页 |
| 1.2 国内外研究现状及发展动态分析 | 第10-12页 |
| 1.2.1 负荷预测发展现状 | 第10-11页 |
| 1.2.2 云计算技术发展现状 | 第11-12页 |
| 1.3 负荷预测面临的主要问题 | 第12-13页 |
| 1.4 论文的组织安排 | 第13-14页 |
| 第2章 电力系统负荷特性分析 | 第14-22页 |
| 2.1 电力系统负荷分类 | 第14页 |
| 2.2 电力系统负荷特性分析 | 第14-17页 |
| 2.2.1 月负荷特性 | 第15页 |
| 2.2.2 周负荷特性 | 第15-16页 |
| 2.2.3 日负荷特性 | 第16-17页 |
| 2.3 电力系统负荷数据预处理 | 第17-20页 |
| 2.3.1 异常数据分类 | 第17-18页 |
| 2.3.2 异常数据的检测和修正 | 第18-19页 |
| 2.3.3 缺失数据的修补 | 第19-20页 |
| 2.4 气象因素对负荷预测的影响 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 遗传灰色神经网络负荷预测算法设计 | 第22-33页 |
| 3.1 灰色理论 | 第22-23页 |
| 3.1.1 灰色理论简介 | 第22页 |
| 3.1.2 灰色GM(1,1)模型 | 第22-23页 |
| 3.2 Elman神经网络 | 第23-26页 |
| 3.2.1 Elman神经网络结构 | 第23-24页 |
| 3.2.2 Elman神经网络的原理及算法 | 第24-26页 |
| 3.3 遗传算法 | 第26-28页 |
| 3.3.1 遗传算法概述 | 第26页 |
| 3.3.2 遗传算法特点 | 第26页 |
| 3.3.3 遗传算法原理 | 第26-28页 |
| 3.4 遗传灰色Elman神经网络预测算法设计 | 第28-31页 |
| 3.4.1 灰色Elman神经网络预测模型设计 | 第28-29页 |
| 3.4.2 遗传灰色Elman神经网络预测算法设计 | 第29-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第4章 分布式遗传灰色Elman神经网络预测算法设计 | 第33-39页 |
| 4.1 Spark云平台简介 | 第33-35页 |
| 4.2 分布式遗传灰色Elman神经网络算法设计 | 第35-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第5章 负荷预测算法实现与分析 | 第39-55页 |
| 5.1 Spark集群的安装与部署 | 第39-46页 |
| 5.1.1 安装JDK | 第39页 |
| 5.1.2 安装Scala | 第39-40页 |
| 5.1.3 配置SSH免密码登录 | 第40-41页 |
| 5.1.4 安装Hadoop | 第41-45页 |
| 5.1.5 安装Spark | 第45页 |
| 5.1.6 启动集群 | 第45-46页 |
| 5.2 遗传灰色Elman神经网络预测算法实现与分析 | 第46-48页 |
| 5.3 分布式遗传灰色Elman神经网络预测算法实现与分析 | 第48-53页 |
| 5.4 串行和并行方法效率对比分析 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-61页 |
| 致谢 | 第61页 |
