燃煤工业锅炉热负荷预测的研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-14页 |
| 第一章 绪论 | 第14-25页 |
| ·研究背景与意义 | 第14-15页 |
| ·燃煤工业锅炉运行效率影响因素研究现状 | 第15-16页 |
| ·工业锅炉短期负荷预测的研究现状 | 第16-22页 |
| ·本文研究内容和组织结构 | 第22-25页 |
| ·本文主要研究内容 | 第22-23页 |
| ·论文的结构 | 第23-25页 |
| 第二章 负荷变化对运行参数的影响 | 第25-40页 |
| ·实炉运行主要参数分析 | 第25-29页 |
| ·20t/h 燃煤工业锅炉现场试验方法介绍 | 第29-32页 |
| ·试验结果分析与讨论 | 第32-39页 |
| ·配风方式 | 第32-36页 |
| ·炉排转速 | 第36-37页 |
| ·煤层厚度 | 第37-38页 |
| ·过量空气系数 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第三章聚类分析和支持向量机基本理论 | 第40-56页 |
| ·聚类分析 | 第40-45页 |
| ·SOM 神经网络 | 第40-43页 |
| ·SOM 神经网络结构 | 第40-41页 |
| ·SOM 神经网络学习算法 | 第41-42页 |
| ·SOM 神经网络的优缺点 | 第42-43页 |
| ·K-MEANS 聚类算法 | 第43-44页 |
| ·基于SOM 和K-MEANS 聚类组合算法 | 第44-45页 |
| ·支持向量机的统计学习理论基础 | 第45-54页 |
| ·统计学习一致性的条件 | 第46页 |
| ·VC 维理论与推广性的界 | 第46-48页 |
| ·结构风险最小化准则 | 第48-49页 |
| ·支持向量机回归算法 | 第49-54页 |
| ·本章小结 | 第54-56页 |
| 第四章 基于聚类分析与SVM 的短期负荷预测 | 第56-74页 |
| ·负荷特性分析 | 第56-61页 |
| ·负荷自身的周期性分析 | 第56-60页 |
| ·负荷变化的周周期性 | 第57-58页 |
| ·负荷变化的日周期性 | 第58-59页 |
| ·单点负荷变化的周期性 | 第59页 |
| ·相似性分析 | 第59-60页 |
| ·气象因素等其他因素的影响 | 第60-61页 |
| ·数据预处理 | 第61-63页 |
| ·历史资料中异常数据的检测与预处理 | 第61-62页 |
| ·负荷数据的归一化处理 | 第62-63页 |
| ·基于聚类分析的SVM 短期负荷预测 | 第63-72页 |
| ·特征量的选取及特征量映射库的建立 | 第63-65页 |
| ·相似日的选择 | 第65-67页 |
| ·SVM 短期负荷预测 | 第67-72页 |
| ·SVM 短期负荷预测的步骤 | 第67-68页 |
| ·SVM 核函数选择及参数优化 | 第68-70页 |
| ·SVM 预测结果分析 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 作者攻读硕士学位期间发表的论文 | 第80页 |
