| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 短期负荷预测算法研究现状 | 第10-12页 |
| 1.2.2 云计算研究现状 | 第12-13页 |
| 1.3 课题研究的主要内容 | 第13-14页 |
| 1.4 论文的组织安排 | 第14-15页 |
| 第2章 相关技术 | 第15-21页 |
| 2.1 云计算框架Spark | 第15-17页 |
| 2.1.1 Spark简介 | 第15-16页 |
| 2.1.2 Spark MLlib机器学习 | 第16-17页 |
| 2.2 YARN资源调度平台 | 第17-18页 |
| 2.3 混合蛙跳算法 | 第18-20页 |
| 2.3.1 混合蛙跳算法原理 | 第19-20页 |
| 2.3.2 混合蛙跳算法特点 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于ISFLA_KELM的负荷预测模型设计 | 第21-29页 |
| 3.1 核函数极限学习机KELM | 第21-23页 |
| 3.1.1 核函数 | 第21-22页 |
| 3.1.2 KELM的数学描述 | 第22-23页 |
| 3.2 微电网负荷预测影响因素及特点 | 第23-24页 |
| 3.3 电力系统负荷特性指标 | 第24-25页 |
| 3.4 基于ISFLA_KELM的负荷预测模型设计 | 第25-27页 |
| 3.4.1 负荷数据预处理 | 第25页 |
| 3.4.2 ISFLA_KELM预测模型描述 | 第25-27页 |
| 3.4.3 ISFLA_KELM负荷预测模型实现 | 第27页 |
| 3.5 本章小结 | 第27-29页 |
| 第4章 基于Spark的ISFLA_KELM算法的并行化设计 | 第29-36页 |
| 4.1 Spark平台并行化前提 | 第29-30页 |
| 4.2 基于spark的KELM算法的并行化设计 | 第30-32页 |
| 4.2.1 KELM并行化设计思想 | 第30-31页 |
| 4.2.2 KELM算法并行化的实现 | 第31-32页 |
| 4.3 基于Spark的ISFLA_KELM算法的并行化设计 | 第32-35页 |
| 4.3.1 ISFLA_KELM算法并行化设计 | 第32页 |
| 4.3.2 ISFLA_KELM算法并行化的实现 | 第32-35页 |
| 4.3.3 算法性能分析 | 第35页 |
| 4.4 本章小结 | 第35-36页 |
| 第5章 Spark云计算平台的搭建与配置 | 第36-43页 |
| 5.1 实验平台 | 第36-38页 |
| 5.1.1 系统环境 | 第36-37页 |
| 5.1.2 安装并配置SSH | 第37-38页 |
| 5.1.3 安装并配置JDK | 第38页 |
| 5.1.4 安装并配置Scala | 第38页 |
| 5.1.5 开发工具安装 | 第38页 |
| 5.2 Hadoop yarn全分布式平台搭建 | 第38-41页 |
| 5.3 Spark on yarn集群安装部署 | 第41-42页 |
| 5.4 本章小结 | 第42-43页 |
| 第6章 实验测试与算例分析 | 第43-49页 |
| 6.1 数据集设计 | 第43-44页 |
| 6.2 评价指标 | 第44页 |
| 6.3 实验过程 | 第44-46页 |
| 6.4 算例分析 | 第46-48页 |
| 6.4.1 预测准确率分析 | 第46-47页 |
| 6.4.2 算法并行性能分析 | 第47-48页 |
| 6.5 本章小结 | 第48-49页 |
| 第7章 总结与展望 | 第49-51页 |
| 7.1 本论文的主要工作 | 第49页 |
| 7.2 对未来工作的展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
