| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 全寿命周期理论的研究现状 | 第11-12页 |
| 1.2.2 全寿命周期成本建模研究现状 | 第12-14页 |
| 1.2.3 全寿命周期成本风险评估研究现状 | 第14-15页 |
| 1.3 本文的主要研究工作 | 第15-18页 |
| 第2章 变电站全寿命周期成本建模及敏感性分析 | 第18-37页 |
| 2.1 全寿命周期成本理论 | 第18-19页 |
| 2.1.1 LCC的估算和建模 | 第18-19页 |
| 2.1.2 LCC的分析和管理 | 第19页 |
| 2.2 资金的时间价值 | 第19-21页 |
| 2.3 变电站全寿命周期成本建模 | 第21-27页 |
| 2.3.1 变电站全寿命周期各阶段成本构成 | 第22-26页 |
| 2.3.2 变电站全寿命周期成本数学模型 | 第26-27页 |
| 2.4 变电站全寿命周期成本敏感性分析 | 第27-30页 |
| 2.4.1 敏感性分析理论 | 第27-30页 |
| 2.4.2 变电站全寿命周期成本敏感性分析 | 第30页 |
| 2.5 算例分析 | 第30-35页 |
| 2.5.1 变电站LCC成本结构分析算例 | 第30-31页 |
| 2.5.2 变电站LCC敏感性分析算例 | 第31-35页 |
| 2.6 变电站LCC管控策略 | 第35-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第3章 基于GA优化LS-SVM的变电站全寿命周期成本预测模型的建立 | 第37-51页 |
| 3.1 支持向量机和遗传算法 | 第37-41页 |
| 3.1.1 统计学习理论和支持向量机 | 第37-38页 |
| 3.1.2 最小二乘支持向量机算法 | 第38-40页 |
| 3.1.3 遗传算法 | 第40-41页 |
| 3.2 基于GA优化的LS-SVM变电站LCC预测模型 | 第41-45页 |
| 3.2.1 变电站LCC的LS-SVM模型 | 第41-42页 |
| 3.2.2 GA优化LS-SVM模型参数 | 第42-43页 |
| 3.2.3 GA优化LS-SVM模型预测步骤 | 第43-45页 |
| 3.3 算例分析 | 第45-50页 |
| 3.3.1 数据来源 | 第45-46页 |
| 3.3.2 数据预处理 | 第46页 |
| 3.3.3 参数优化对比 | 第46-47页 |
| 3.3.4 预测结果分析 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 基于物元可拓理论的变电站全寿命周期成本风险评估 | 第51-64页 |
| 4.1 物元可拓理论 | 第51-54页 |
| 4.1.1 物元理论 | 第51-52页 |
| 4.1.2 关联函数 | 第52-54页 |
| 4.2 变电站全寿命周期成本风险点辨识 | 第54页 |
| 4.3 变电站全寿命周期成本风险评估指标体系的建立 | 第54-56页 |
| 4.3.1 风险指标体系建立原则 | 第54-55页 |
| 4.3.2 变电站LCC风险评估指标体系 | 第55-56页 |
| 4.4 基于物元可拓理论的变电站全寿命周期成本风险评估模型 | 第56-58页 |
| 4.4.1 风险等级划分 | 第56页 |
| 4.4.2 物元表示 | 第56页 |
| 4.4.3 物元模型 | 第56-57页 |
| 4.4.4 关联度函数 | 第57-58页 |
| 4.4.5 待评物元风险等级的评定 | 第58页 |
| 4.5 算例分析 | 第58-61页 |
| 4.6 LCC成本风险管控策略 | 第61-63页 |
| 4.7 本章小结 | 第63-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第69-70页 |
| 致谢 | 第70页 |
