| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 云计算的研究现状 | 第11页 |
| 1.2.2 神经网络的研究现状 | 第11-12页 |
| 1.2.3 短期电力负荷预测的研究 | 第12页 |
| 1.2.4 基于云计算的神经网络应用发展 | 第12-13页 |
| 1.2.5 基于神经网络的负荷预测方法的研究现状 | 第13-14页 |
| 1.3 研究目标与内容 | 第14页 |
| 1.4 本文组织安排 | 第14-15页 |
| 第2章 相关技术以及算法介绍 | 第15-23页 |
| 2.1 云计算 | 第15-16页 |
| 2.1.1 云计算概述 | 第15页 |
| 2.1.2 云计算的特点 | 第15-16页 |
| 2.2 Hadoop平台介绍 | 第16-18页 |
| 2.2.1 Hadoop简介 | 第16-17页 |
| 2.2.2 Hadoop核心架构 | 第17-18页 |
| 2.3 BP人工神经网络 | 第18-22页 |
| 2.3.1 BP人工神经网络概述 | 第18-19页 |
| 2.3.2 神经元模型 | 第19-20页 |
| 2.3.3 BP神经网络结构模型 | 第20-21页 |
| 2.3.4 BP人工神经网络的缺陷 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 电网短期负荷预测算法设计以及测试 | 第23-38页 |
| 3.1 电网短期负荷预测业务分析 | 第23-24页 |
| 3.1.1 电网短期负荷预测业务概述 | 第23页 |
| 3.1.2 电网短期负荷预测特性分析 | 第23-24页 |
| 3.2 基于mapreduce的BP神经网络电网短期负荷预测模型设计 | 第24-34页 |
| 3.2.1 模型概述 | 第24页 |
| 3.2.2 样本数据的预处理 | 第24-25页 |
| 3.2.3 模型的拓扑结构 | 第25-26页 |
| 3.2.4 模型参数的选取 | 第26-27页 |
| 3.2.5 算法流程 | 第27-30页 |
| 3.2.6 基于mapreduce的并行化算法实现 | 第30-34页 |
| 3.3 算法模型在hadoop平台上的实验 | 第34-37页 |
| 3.3.1 实验集群平台的搭建 | 第34-35页 |
| 3.3.2 实验目的和实验结果分析 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于云平台的电网短期负荷预测系统的实现 | 第38-48页 |
| 4.1 系统用到的技术以及开发环境的选择 | 第38-39页 |
| 4.2 系统设计 | 第39-43页 |
| 4.2.1 系统需要达到的目标 | 第39-40页 |
| 4.2.2 功能模块划分 | 第40-41页 |
| 4.2.3 数据库的设计 | 第41-43页 |
| 4.3 系统实现 | 第43-47页 |
| 4.3.1 样本管理以及数据分析模块 | 第43-45页 |
| 4.3.2 负荷预测模块 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 全文总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |