首页--工业技术论文--电工技术论文--输配电工程、电力网及电力系统论文--电力系统的调度、管理、通信论文

基于分布式存储与计算平台的用电量预测研究

摘要第5-6页
Abstract第6页
第1章 绪论第9-13页
    1.1 研究背景与意义第9-10页
    1.2 国内外研究现状第10-11页
    1.3 论文解决的主要问题和主要工作第11页
    1.4 论文组织结构第11-13页
第2章 分布式存储与计算平台相关介绍第13-22页
    2.1 Hadoop第13-14页
        2.1.1 Hadoop背景及发展第13页
        2.1.2 Apache Hadoop版本的发展第13-14页
    2.2 分布式存储第14-17页
    2.3 分布式计算第17-19页
    2.4 平台监控工具Ganglia第19-20页
        2.4.1 Ganglia介绍第19页
        2.4.2 Ganglia工作原理第19-20页
    2.5 数据抽取工具Sqoop第20-21页
    2.6 本章小结第21-22页
第3章 分布式存储与计算平台设计第22-41页
    3.1 分布式存储与计算平台简介第22页
    3.2 分布式存储与计算平台技术架构第22-24页
    3.3 分布式存储与计算平台物理部署第24-25页
    3.4 分布式存储与计算平台管理模块第25-35页
        3.4.1 分布式存储与计算平台管理模块技术架构第25-27页
        3.4.2 持久层设计第27-31页
        3.4.3 业务逻辑层设计第31-34页
        3.4.4 控制层设计第34-35页
        3.4.5 界面展示层第35页
    3.5 分布式存储与计算平台功能及主要界面展示第35-40页
        3.5.1 分布式存储第36-37页
        3.5.2 数据抽取第37-38页
        3.5.3 数据库管理第38-39页
        3.5.4 辅助功能第39-40页
    3.6 本章小结第40-41页
第4章 基于分布式存储与计算平台的用电量预测第41-50页
    4.1 智能电网环境下的用电量预测问题分析及本文所用方法第41-42页
        4.1.1 传统电网与智能电网第41页
        4.1.2 用电量预测问题第41-42页
    4.2 基于无模型自适应迭代学习控制的年、月用电量预测第42-44页
        4.2.1 数据集构成第42页
        4.2.2 分析预测流程第42-43页
        4.2.3 实验结果第43-44页
    4.3 基于MapReduce的遗传算法优化MBNN短期用电量预测模型第44-49页
        4.3.1 基于MapReduce反向传播神经网络并行算法第45-46页
        4.3.2 基于MapReduce的遗传算法优化算法第46-47页
        4.3.3 数据集构成第47-48页
        4.3.4 对比实验第48-49页
    4.5 本章小结第49-50页
第5章 用电量预测系统设计与实现第50-54页
    5.1 系统设计第50-52页
        5.1.1 系统功能设计第50-51页
        5.1.2 系统架构设计第51-52页
    5.2 系统核心界面展示第52-53页
    5.3 系统应用第53页
    5.4 本章小结第53-54页
第6章 结论与展望第54-56页
    6.1 本文主要工作第54页
    6.2 未来的工作展望第54-56页
参考文献第56-59页
攻读硕士学位期间发表的论文及其它成果第59-60页
致谢第60页

论文共60页,点击 下载论文
上一篇:广州电网动态无功补偿装置优化配置研究
下一篇:利用PQ-QV节点转换求取PV曲线的潮流算法研究