基于Hadoop的电动汽车有序充电策略的研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文的主要研究内容及结构 | 第13-14页 |
| 第2章 Hadoop云平台基础理论 | 第14-22页 |
| 2.1 云计算 | 第14-15页 |
| 2.1.1 云计算应用 | 第14页 |
| 2.1.2 云计算在充电站中的应用 | 第14-15页 |
| 2.2 Hadoop分布式架构 | 第15-21页 |
| 2.2.1 Hadoop简介 | 第15-16页 |
| 2.2.2 分布式文件系统HDFS | 第16-17页 |
| 2.2.3 分布式计算框架MapReduce | 第17-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 Hadoop云平台的搭建 | 第22-28页 |
| 3.1 Hadoop云平台的运行方式 | 第22-23页 |
| 3.2 云实验平台搭建 | 第23-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 基于Hadoop云平台的日充电负荷预测 | 第28-46页 |
| 4.1 相似日法负荷预测 | 第28-35页 |
| 4.1.1 基于模糊聚类算法的相似日的粗选 | 第29-31页 |
| 4.1.2 基于改进灰色关联分析的相似日的精选 | 第31-35页 |
| 4.2 基于GA-BP神经网络的充电负荷预测 | 第35-39页 |
| 4.2.1 BP神经网络 | 第35-37页 |
| 4.2.2 GA-BP神经网络 | 第37页 |
| 4.2.3 负荷预测 | 第37-39页 |
| 4.3 预测结果分析 | 第39-45页 |
| 4.3.1 工作日负荷预测结果 | 第40-43页 |
| 4.3.2 周六日负荷预测结果 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 区域电网电动汽车有序充电方案设计 | 第46-58页 |
| 5.1 功能需求分析和总体设计思路 | 第46-47页 |
| 5.2 分时电价制度的制定和优化 | 第47-53页 |
| 5.2.1 电动汽车充放电调度模型 | 第48-51页 |
| 5.2.2 基于多尺度变异粒子群方法的多目标优化 | 第51-53页 |
| 5.3 有序充电结果分析 | 第53-57页 |
| 5.3.1 工作日有序充电结果仿真 | 第53-55页 |
| 5.3.2 周六日有序充电结果仿真 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 导师简介 | 第64页 |
| 企业导师简介 | 第64-65页 |
| 作者简介 | 第65-66页 |
| 学位论文数据集 | 第66页 |
