基于粒子群优化BP神经网络的长春东卉供热区域热力负荷预测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.2 国内外在热力负荷预测算法的发展状况 | 第12-15页 |
| 1.3 热力负荷预测算法的研究意义 | 第15-17页 |
| 1.4 本文的主要内容 | 第17-18页 |
| 第2章 东卉供热区域基本概况及热力负荷预测算法 | 第18-36页 |
| 2.1 热力管网系统 | 第18-19页 |
| 2.2 东卉供热区域项目概况 | 第19-23页 |
| 2.3 东卉锅炉房集中供热监控系统 | 第23-25页 |
| 2.4 东卉锅炉房现场分布式控制层控制策略 | 第25-31页 |
| 2.5 热力负荷预测算法 | 第31-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 东卉供热区域热力网络负荷预测分析 | 第36-42页 |
| 3.1 热力负荷的分类和特性分析 | 第36-37页 |
| 3.2 热力管网热负荷预测影响因素 | 第37-39页 |
| 3.3 热网负荷特性分析 | 第39-40页 |
| 3.4 热力负荷预测算法误差分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 东卉供热区域热力负荷预测模型的建立 | 第42-63页 |
| 4.1 热力负荷预测模型的变量参数的确定 | 第42页 |
| 4.2 负荷数据的预处理 | 第42-44页 |
| 4.3 预测模型的核心算法实现 | 第44-59页 |
| 4.4 短期负荷预测模型的建立 | 第59-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 东卉供热区域热力负荷预测的验证 | 第63-71页 |
| 5.1 实验开展的背景 | 第63页 |
| 5.2 热力负荷预测算法验证过程 | 第63-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第6章 结论与展望 | 第71-73页 |
| 6.1 结论 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 作者简介及科研成果 | 第77-78页 |
| 致谢 | 第78页 |
