| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第18-37页 |
| 1.1 选题背景及研究意义 | 第18-20页 |
| 1.2 国内外研究现状及发展动态 | 第20-33页 |
| 1.2.1 物资需求计划研究 | 第20-23页 |
| 1.2.2 物资供应商选择的研究 | 第23-27页 |
| 1.2.3 物资仓储定额研究 | 第27-28页 |
| 1.2.4 物资调度配送研究 | 第28-33页 |
| 1.3 论文主要内容和结构 | 第33-35页 |
| 1.4 论文的主要创新点 | 第35-37页 |
| 第2章 电网物资相关理论基础 | 第37-49页 |
| 2.1 电网物资管理 | 第37-43页 |
| 2.1.1 电网物资管理的特点 | 第37-38页 |
| 2.1.2 电网物资管理的处理业务 | 第38-42页 |
| 2.1.3 电网物资管理面临的问题 | 第42-43页 |
| 2.2 电网物资分类分析 | 第43-45页 |
| 2.2.1 管控程度分类 | 第43-44页 |
| 2.2.2 需求特性分类 | 第44-45页 |
| 2.2.3 采购分类标准 | 第45页 |
| 2.3 电网物资管理的发展 | 第45-47页 |
| 2.3.1 电网物资管理约束分析 | 第46-47页 |
| 2.3.2 电网物资管理战略目标 | 第47页 |
| 2.3.3 电网物资管理趋势 | 第47页 |
| 2.4 电网物资管理的重要性 | 第47-48页 |
| 2.5 本章小结 | 第48-49页 |
| 第3章 基于集约化风险的电网协议库存物资需求预测 | 第49-78页 |
| 3.1 集约化风险下电网协议库存物资需求预测大数据基础 | 第49-58页 |
| 3.1.1 电网物资集约化风险识别 | 第49-50页 |
| 3.1.2 协议库存需求管理流程及关键数据节点分析 | 第50-53页 |
| 3.1.3 电网协议库存需求预测大数据基础 | 第53-58页 |
| 3.2 粒子群优化神经网络的电网协议库存需求预测算法 | 第58-66页 |
| 3.2.1 BP神经网络预测模型 | 第58-62页 |
| 3.2.2 粒子群优化算法 | 第62-64页 |
| 3.2.3 基于粒子群优化神经网络的电网物资需求预测模型 | 第64-66页 |
| 3.3 协议库存物资预测实现 | 第66-71页 |
| 3.3.1 历史样本库构建 | 第66-68页 |
| 3.3.2 神经网络参数初始化 | 第68-70页 |
| 3.3.3 网络初始权值和阈值确定 | 第70-71页 |
| 3.4 省级电力公司协议库存需求预测结果分析 | 第71-77页 |
| 3.4.1 数据预处理 | 第71-72页 |
| 3.4.2 算法分析 | 第72-74页 |
| 3.4.3 需求预测结果分析 | 第74-77页 |
| 3.5 本章小结 | 第77-78页 |
| 第4章 供应商选择的区间犹豫模糊风险型决策 | 第78-103页 |
| 4.1 电网物资供应商选择问题研究 | 第78-83页 |
| 4.1.1 电网物资供应商现状 | 第78-79页 |
| 4.1.2 供应商选择问题 | 第79-80页 |
| 4.1.3 供应商的分类 | 第80-82页 |
| 4.1.4 电网公司和供应商之间关系分析 | 第82-83页 |
| 4.2 供应商选择模型建立 | 第83-96页 |
| 4.2.1 区间直觉犹豫模糊集与区间直觉犹豫模糊熵 | 第86-89页 |
| 4.2.2 模糊积分 | 第89-92页 |
| 4.2.3 基于模糊积分的集结算子 | 第92-94页 |
| 4.2.4 基于可信度的权重求解模型 | 第94-96页 |
| 4.2.5 供应商选择决策步骤 | 第96页 |
| 4.3 算例分析 | 第96-101页 |
| 4.3.1 风险指标的设计 | 第96-97页 |
| 4.3.2 供应商风险决策 | 第97-99页 |
| 4.3.3 对比分析 | 第99-101页 |
| 4.3.4 供应商选择的建议 | 第101页 |
| 4.4 本章小结 | 第101-103页 |
| 第5章 考虑风险因素的物资仓储定额网络优化分析 | 第103-122页 |
| 5.1 电力物资储备定额管理 | 第103-106页 |
| 5.1.1 物资储备定额的管理方法 | 第103-105页 |
| 5.1.2 物资储备定额的制定方法 | 第105-106页 |
| 5.2 基于BP神经网络的储备定额计算 | 第106-112页 |
| 5.2.1 指标选取和数据收集 | 第107-108页 |
| 5.2.2 计算步骤 | 第108-109页 |
| 5.2.3 结果分析 | 第109-112页 |
| 5.3 考虑仓储和运输成本的网络鲁棒优化 | 第112-121页 |
| 5.3.1 模型假设 | 第112-113页 |
| 5.3.2 网络鲁棒优化模型 | 第113-116页 |
| 5.3.3 算例分析 | 第116-121页 |
| 5.4 本章小结 | 第121-122页 |
| 第6章 突发灾害风险下的电网应急物资调度优化 | 第122-150页 |
| 6.1 电力物资应急管理 | 第122-124页 |
| 6.1.1 电网灾害的特点 | 第122-123页 |
| 6.1.2 电力应急物资储备 | 第123-124页 |
| 6.1.3 电力应急物资供应流程 | 第124页 |
| 6.2 基于Q学习的多物资节点协同优化 | 第124-137页 |
| 6.2.1 多物资节点协同优化原则 | 第124-126页 |
| 6.2.2 Q学习增强学习算法 | 第126-130页 |
| 6.2.3 基于Q学习的多物资节点协同优化方法 | 第130-133页 |
| 6.2.4 多物资节点协同优化算例分析 | 第133-137页 |
| 6.3 基于D-S证据理论的多受灾点需求优先权排序 | 第137-143页 |
| 6.3.1 优先权指标的确定及语言变量值的转化 | 第138页 |
| 6.3.2 应急需求优先权排序方法 | 第138-143页 |
| 6.4 考虑需求排序的应急物资调度决策 | 第143-149页 |
| 6.4.1 应急调度网络构建 | 第143-144页 |
| 6.4.2 模型构建 | 第144-147页 |
| 6.4.3 算例分析 | 第147-149页 |
| 6.5 本章小结 | 第149-150页 |
| 第7章 电网物资供需与优化调度风险决策支持系统 | 第150-180页 |
| 7.1 系统分析 | 第151-153页 |
| 7.1.1 系统可行性分析 | 第151-152页 |
| 7.1.2 功能需求分析 | 第152-153页 |
| 7.2 系统设计 | 第153-164页 |
| 7.2.1 框架设计 | 第153-157页 |
| 7.2.2 功能设计 | 第157-158页 |
| 7.2.3 模块设计 | 第158-160页 |
| 7.2.4 人机交互设计 | 第160-161页 |
| 7.2.5 数据库设计 | 第161-164页 |
| 7.3 系统的配套关键技术 | 第164-180页 |
| 7.3.1 模型库模块智能化组合技术 | 第164-178页 |
| 7.3.2 主要风险的提取技术 | 第178-180页 |
| 第8章 研究成果和主要结论 | 第180-182页 |
| 参考文献 | 第182-194页 |
| 攻读博士期间发表的论文及其它成果 | 第194-195页 |
| 攻读博士学位期间参加的科研工作 | 第195-196页 |
| 致谢 | 第196-197页 |
| 作者简介 | 第197页 |
