基于需求响应的智能家庭能量管理研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 需求响应研究现状 | 第11-12页 |
| 1.2.2 家庭能量管理研究现状 | 第12-15页 |
| 1.3 本文所做工作 | 第15-17页 |
| 第2章 智能家庭模型及数据挖掘理论 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 物联网技术简介 | 第17-19页 |
| 2.2.1 物联网技术相关概念 | 第17-18页 |
| 2.2.2 物联网技术在家庭中的应用 | 第18-19页 |
| 2.3 智能家庭模型 | 第19-23页 |
| 2.3.1 智能家庭相关的设备 | 第19-20页 |
| 2.3.2 需求响应在家庭中的应用 | 第20-21页 |
| 2.3.3 智能家庭能量管理模型 | 第21-23页 |
| 2.4 数据挖掘理论 | 第23-27页 |
| 2.4.1 数据挖掘的基本概念与内容 | 第23-24页 |
| 2.4.2 数据的预处理 | 第24-25页 |
| 2.4.3 数据挖掘的算法 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于数据挖掘理论的家用电器研究与分析 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 家用电器的分类 | 第28-29页 |
| 3.3 影响家用电器使用的因素分析 | 第29-32页 |
| 3.4 家用电器使用预测 | 第32-36页 |
| 3.4.1 数据处理 | 第32-33页 |
| 3.4.2 关联分析 | 第33-34页 |
| 3.4.3 自适应神经模糊推理系统 | 第34-36页 |
| 3.5 算例分析 | 第36-41页 |
| 3.5.1 算例描述 | 第36-37页 |
| 3.5.2 数据预处理 | 第37-38页 |
| 3.5.3 家用电器预测 | 第38-40页 |
| 3.5.4 预测结果分析 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于需求响应的家庭用电调整策略 | 第42-62页 |
| 4.1 引言 | 第42页 |
| 4.2 家庭负荷分时段优化模型 | 第42-48页 |
| 4.2.1 家用电器的数学模型 | 第42-46页 |
| 4.2.2 需求响应模型 | 第46-48页 |
| 4.3 多目标细菌群体趋药性算法 | 第48-51页 |
| 4.3.1 多目标细菌群体趋药性算法 | 第48-50页 |
| 4.3.2 分时段优化步骤 | 第50-51页 |
| 4.4 家庭负荷实时调整 | 第51-54页 |
| 4.4.1 实时调整的场景 | 第51-52页 |
| 4.4.2 实时调整策略的步骤 | 第52-54页 |
| 4.5 算例分析 | 第54-61页 |
| 4.5.1 算例描述 | 第54-56页 |
| 4.5.2 分时段优化分析 | 第56-59页 |
| 4.5.3 实时调整分析 | 第59-61页 |
| 4.6 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
