| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 国内外时间序列预测方法研究现状 | 第10-14页 |
| 1.3 本文的主要内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 第2章 储水式电热水器用户行为数值模拟 | 第18-30页 |
| 2.1 用户行为特征分析 | 第18页 |
| 2.2 用户行为模型确立 | 第18-24页 |
| 2.2.1 用户行为属性变量的分析与处理 | 第18-19页 |
| 2.2.2 用户行为模型设计 | 第19-20页 |
| 2.2.3 用户行为的具体类别及其各属性变量的参数设定 | 第20-21页 |
| 2.2.4 用户行为模型算法设计 | 第21-24页 |
| 2.3 用户行为模型仿真与数值模拟 | 第24-27页 |
| 2.3.1 用户行为仿真参数设置 | 第24-25页 |
| 2.3.2 高斯分布化算法验证分析 | 第25-26页 |
| 2.3.3 去重叠算法验证分析 | 第26-27页 |
| 2.4 用户行为数值模拟平台 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于改进的BP神经网络的储水式电热水器用户行为预测方法 | 第30-76页 |
| 3.1 BP神经网络概述 | 第30-32页 |
| 3.1.1 神经网络原理 | 第30页 |
| 3.1.2 BP神经网络的优点及局限性 | 第30-31页 |
| 3.1.3 BP神经网络算法描述 | 第31-32页 |
| 3.2 基于GA和FR共轭梯度法的BP神经网络预测模型基本思想 | 第32-33页 |
| 3.3 用户行为预测问题描述 | 第33-34页 |
| 3.4 基于GA和FR共轭梯度法的BP神经网络预测模型 | 第34-36页 |
| 3.5 实验数据概述 | 第36-39页 |
| 3.6 预测模型主要参数设置 | 第39-74页 |
| 3.6.1 隐层神经元个数确定 | 第39-40页 |
| 3.6.2 初始权值和阈值的确定 | 第40-41页 |
| 3.6.3 激活函数和学习算法的确定 | 第41-42页 |
| 3.6.4 方法性能比较 | 第42-74页 |
| 3.7 本章小结 | 第74-76页 |
| 第4章 储水式电热水器加热控制策略设计 | 第76-88页 |
| 4.1 加热控制策略设计的基本思想 | 第76页 |
| 4.1.1 储水式电热水器传统的工作模式 | 第76页 |
| 4.1.2 储水式电热水器改进后的工作模式 | 第76页 |
| 4.2 储水式电热水器工作模式的相关参数与公式 | 第76-79页 |
| 4.2.1 加热过程 | 第76-77页 |
| 4.2.2 放水过程 | 第77-79页 |
| 4.3 用户行为初始出口温度的确定 | 第79-81页 |
| 4.4 储水式电热水器加热控制策略的设计 | 第81-82页 |
| 4.5 储水式电热水器智能控制技术数据验证 | 第82-86页 |
| 4.6 本章小结 | 第86-88页 |
| 第5章 总结与展望 | 第88-90页 |
| 5.1 论文工作总结 | 第88-89页 |
| 5.2 未来研究方向展望 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 附录 | 第94-104页 |
| 致谢 | 第104页 |
