基于混沌神经网络的热电厂电价预测及热电优化分配的研究
致谢 | 第1-6页 |
中文摘要 | 第6-7页 |
ABSTRACT | 第7-12页 |
1 绪论 | 第12-24页 |
·本文的课题背景与意义 | 第12-18页 |
·发展热电联产的重要意义 | 第12-13页 |
·国内外热电联产发展现状 | 第13-14页 |
·我国热电联产面临的问题和解决途径 | 第14-16页 |
·本文研究的意义 | 第16-18页 |
·本文的研究方法讨论 | 第18-22页 |
·电价预测研究现状 | 第18-20页 |
·热电负荷优化分配研究现状 | 第20-22页 |
·本文研究的主要工作 | 第22-24页 |
2 系统边际电价概述 | 第24-31页 |
·电力市场的交易模式 | 第24-25页 |
·系统边际电价形成机制 | 第25-26页 |
·系统边际电价特点 | 第26-29页 |
·影响系统边际电价的主要因素 | 第29-31页 |
3 电价时间序列和负荷时间序列的混沌特性分析 | 第31-44页 |
·混沌理论基础 | 第31-33页 |
·混沌的基本概念 | 第31-32页 |
·奇异吸引子 | 第32页 |
·混沌时间序列 | 第32-33页 |
·混沌时间序列的判别 | 第33-36页 |
·庞加莱截面法 | 第33页 |
·功率谱分析法 | 第33页 |
·Lyapunov指数法 | 第33-34页 |
·关联维数法 | 第34-36页 |
·混沌时间序列重构相空间 | 第36-39页 |
·相空间重构 | 第36-37页 |
·相空间重构参数的确定 | 第37-39页 |
·电价序列和负荷序列混沌特性分析实例 | 第39-44页 |
·电价序列和负荷序列数据标准化处理 | 第39-40页 |
·电价序列和负荷序列的相空间重构 | 第40-42页 |
·电价序列和负荷序列的混沌性判别 | 第42-44页 |
4 短期边际电价预测模型方法及应用的研究 | 第44-69页 |
·混沌时间序列的预测方法 | 第44-45页 |
·全局预测法 | 第44-45页 |
·局部预测法 | 第45页 |
·单变量时间序列的前馈型神经网络预测模型 | 第45-56页 |
·前馈型神经网络模型 | 第46-48页 |
·反向传播学习算法 | 第48-50页 |
·单变量时间序列的前馈型神经网络预测 | 第50-56页 |
·多变量时间序列的混沌神经网络预测模型 | 第56-66页 |
·增加预测变量──多变量相空间重构 | 第56-57页 |
·进一步筛选扬样本──利用关联度准则 | 第57-58页 |
·改进神经网络模型──建立混沌神经网络模型 | 第58-60页 |
·多变量时间序列的混沌神经网络预测 | 第60-66页 |
·短期边际电价预测在热电厂的应用 | 第66-69页 |
5 热电联产企业供热和发电负荷优化分配研究 | 第69-78页 |
·热电联产企业供热和发电负荷优化分配的特点 | 第69-72页 |
·热电联产企业供热和发电负荷优化分配的特点 | 第69-70页 |
·热电企业机组的种类与特点 | 第70-72页 |
·负荷优化分配目标函数的确定 | 第72-74页 |
·供热和发电负荷优化分配数学模型 | 第74-78页 |
·单元制系统机组模型 | 第74-76页 |
·母管制系统机组模型 | 第76-78页 |
6 多目标粒子群算法的优化分配模型 | 第78-94页 |
·基本粒子群算法 | 第78-81页 |
·粒子群算法的原理 | 第78-79页 |
·粒子群算法的步骤 | 第79-80页 |
·粒子群算法的参数控制 | 第80-81页 |
·多目标粒子群算法 | 第81-85页 |
·多目标粒子群算法基本原理 | 第81-82页 |
·多目标粒子群算法步骤 | 第82-83页 |
·多目标粒子群算法的关键操作 | 第83-85页 |
·多目标粒子群算法的优化分配实例 | 第85-94页 |
·单元制机组优化分配实例 | 第85-89页 |
·母管制机组优化分配实例 | 第89-94页 |
7 软件开发与实现 | 第94-101页 |
·开发环境 | 第94页 |
·系统设计框架 | 第94-95页 |
·系统模块介绍 | 第95-101页 |
·电力市场信息查询 | 第96页 |
·系统边际电价预测 | 第96-97页 |
·电价预测准确度验证 | 第97-98页 |
·机组信息查询与修改 | 第98-99页 |
·负荷分配的计算 | 第99-101页 |
8 结论与展望 | 第101-103页 |
·结论 | 第101-102页 |
·展望 | 第102-103页 |
参考文献 | 第103-106页 |
作者简历 | 第106-108页 |
学位论文数据集 | 第108页 |