| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·负荷预测在国内外的研究现状 | 第11-13页 |
| ·负荷预测面临的主要问题 | 第13-14页 |
| ·云计算在电力系统中的应用 | 第14-15页 |
| ·课题背景及来源 | 第15页 |
| ·本文的主要工作及创新 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 智能电网负荷预测 | 第17-23页 |
| ·智能电网与负荷预测 | 第17-18页 |
| ·智能电网负荷预测的主要特点 | 第18-19页 |
| ·智能电网负荷预测的主要框架 | 第19-20页 |
| ·智能电网负荷预测的主要技术 | 第20-22页 |
| ·地区负荷预测技术 | 第21页 |
| ·母线负荷预测技术 | 第21页 |
| ·波动性负荷预测技术 | 第21-22页 |
| ·异常数据识别与修正技术 | 第22页 |
| ·自适应预测技术 | 第22页 |
| ·反馈修正与多级协调技术 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于虚拟化技术的电力私有云 | 第23-33页 |
| ·云计算概述 | 第23-24页 |
| ·电力私有云 | 第24-30页 |
| ·电力私有云框架 | 第24-26页 |
| ·开源虚拟化引擎—CloudStack | 第26-28页 |
| ·虚拟机—KVM | 第28-29页 |
| ·私有云运行实例分析 | 第29-30页 |
| ·电力云资源调度 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 智能电网负荷预测云平台构架及关键技术 | 第33-41页 |
| ·Hadoop 基本架构 | 第33-34页 |
| ·基于 Hadoop 架构的智能电网负荷预测云平台 | 第34-36页 |
| ·云平台关键技术 | 第36-39页 |
| ·虚拟化技术 | 第36页 |
| ·并行编程模型技术 | 第36-37页 |
| ·海量数据分布存储技术 | 第37-38页 |
| ·海量数据管理技术 | 第38-39页 |
| ·SOA 构架 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第5章 智能电网负荷服务 | 第41-60页 |
| ·基础化的负荷分析服务 LAaaS | 第41-44页 |
| ·行业负荷特性分析 | 第42页 |
| ·空调负荷特性分析 | 第42-43页 |
| ·基于气象要素的母线负荷特性分析 | 第43页 |
| ·典型大用户波动性负荷特性分析 | 第43页 |
| ·风力、光伏发电负荷特性分析 | 第43-44页 |
| ·电动汽车充电负荷特性分析 | 第44页 |
| ·基于负荷分析的负荷预测服务 LFaaS | 第44-50页 |
| ·行业负荷预测 | 第44-45页 |
| ·母线负荷预测 | 第45-46页 |
| ·典型大用户负荷预测 | 第46-47页 |
| ·风能发电负荷预测 | 第47-49页 |
| ·光伏发电负荷预测 | 第49页 |
| ·电动汽车充电负荷预测 | 第49-50页 |
| ·面向电力需求侧管理的负荷管理服务 LMaaS | 第50-53页 |
| ·面向 DSM 的负荷管理框架 | 第51页 |
| ·需求侧管理措施评价体系及激励机制 | 第51-53页 |
| ·控制侧供需方管理 | 第53页 |
| ·多级协调优化服务 COaaS | 第53-58页 |
| ·点、线、面、体四级协调 | 第53-54页 |
| ·协调优化模型 | 第54-56页 |
| ·算例分析 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第70-71页 |
| 附录 B 攻读学位期间所参加的科研项目目录 | 第71页 |