摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-16页 |
1.1 课题背景 | 第10-11页 |
1.1.1 能源背景 | 第10页 |
1.1.2 研究背景 | 第10-11页 |
1.2 能源管理系统研究意义 | 第11-12页 |
1.3 能源管理系统国内外研究现状 | 第12-14页 |
1.4 本文主要工作及组织结构 | 第14-16页 |
1.4.1 本文主要工作 | 第14页 |
1.4.2 本文组织结构 | 第14-16页 |
第二章 能源管理系统结构与功能 | 第16-24页 |
2.1 能源管理系统构成 | 第16-17页 |
2.1.1 系统结构 | 第16-17页 |
2.1.2 能源管理系统软件结构 | 第17页 |
2.2 采集模块 | 第17-20页 |
2.2.1 采集系统结构 | 第18页 |
2.2.2 采集系统功能 | 第18-19页 |
2.2.3 采集系统模型层次 | 第19页 |
2.2.4 CRC检错码 | 第19-20页 |
2.3 监控模块 | 第20-21页 |
2.4 能源管理模块 | 第21-23页 |
2.5 本章小结 | 第23-24页 |
第三章 基于小波包和神经网络方法的企业电力负荷预测 | 第24-46页 |
3.1 电力负荷预测 | 第24-31页 |
3.1.1 企业电力负荷预测意义 | 第24页 |
3.1.2 电力负荷预测的方法 | 第24-30页 |
3.1.3 企业负荷分析和预测方法 | 第30-31页 |
3.2 小波分析 | 第31-33页 |
3.2.1 小波分析的基本理论 | 第31-32页 |
3.2.2 多分辨率分析 | 第32页 |
3.2.3 MALLAT算法 | 第32-33页 |
3.3 正交小波包 | 第33-39页 |
3.3.1 正交小波包的定义 | 第34页 |
3.3.2 小波包空间的分解 | 第34页 |
3.3.3 小波包的算法和小基波的选择 | 第34-39页 |
3.4 基于小波分析的电力负荷预测方法 | 第39-40页 |
3.5 基于小波包和神经网络算法的企业电力负荷预测方法 | 第40-45页 |
3.6 本章小结 | 第45-46页 |
第四章 基于模糊控制的需量控制管理 | 第46-64页 |
4.1 需量控制管理 | 第46-49页 |
4.1.1 企业负荷分类 | 第46-47页 |
4.1.2 需量管理控制方法 | 第47页 |
4.1.3 需量管理控制算法 | 第47-49页 |
4.2 需量控制方法改进 | 第49页 |
4.3 模糊控制方法 | 第49-53页 |
4.3.1 模糊集合和隶属函数 | 第50页 |
4.3.2 模糊集合的操作 | 第50-51页 |
4.3.3 模糊关系及其合成 | 第51-52页 |
4.3.4 模糊逻辑规则和推理 | 第52-53页 |
4.4 模糊控制系统结构和原理 | 第53-55页 |
4.4.1 模糊控制系统结构 | 第53-54页 |
4.4.2 模糊控制系统原理 | 第54-55页 |
4.5 基于模糊控制的需量控制算法 | 第55-63页 |
4.5.1 数据模糊化 | 第55-58页 |
4.5.2 模糊规则的建立 | 第58-59页 |
4.5.3 近似推理 | 第59-60页 |
4.5.4 输出量清晰化 | 第60-62页 |
4.5.5 需量控制流程 | 第62-63页 |
4.6 本章小结 | 第63-64页 |
第五章 基于模糊控制的企业用电成本优化 | 第64-76页 |
5.1 电费优化调度的目的 | 第64-65页 |
5.2 模糊优化 | 第65-68页 |
5.2.1 模糊优化概念 | 第65-66页 |
5.2.2 模糊优化数学模型建立 | 第66-67页 |
5.2.3 模糊优化方法分类 | 第67-68页 |
5.3 电费优化模型 | 第68-71页 |
5.3.1 目标函数建立 | 第68-70页 |
5.3.2 电费优化约束条件 | 第70-71页 |
5.4 电费优化目标函数的优化求解 | 第71页 |
5.5 基于模糊理论电费优化方法与结果分析 | 第71-74页 |
5.6 本章小结 | 第74-76页 |
第六章 总结与展望 | 第76-78页 |
6.1 总结 | 第76页 |
6.2 展望 | 第76-78页 |
致谢 | 第78-79页 |
参考文献 | 第79-81页 |