| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 课题研究的背景与意义 | 第15-18页 |
| 1.2 温控负荷参与需求响应发展现状 | 第18-22页 |
| 1.2.1 温控负荷定义以及特征 | 第18页 |
| 1.2.2 温控负荷参与需求响应市场研究现状 | 第18-21页 |
| 1.2.3 温控负荷可调度容量预测研究现状 | 第21-22页 |
| 1.3 大数据算法在电力系统负荷预测中应用现状和发展前景 | 第22页 |
| 1.4 本文的主要研究内容 | 第22-24页 |
| 第二章 基于大数据分析的预测算法 | 第24-31页 |
| 2.1 引言 | 第24页 |
| 2.2 并行决策树算法 | 第24-26页 |
| 2.3 并行随机森林算法 | 第26-28页 |
| 2.4 并行梯度提升决策树算法 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于大数据分析的温控负荷群可调度容量预测 | 第31-54页 |
| 3.1 引言 | 第31页 |
| 3.2 温控负荷及其建模 | 第31-33页 |
| 3.3 电热泵负荷群的实时可调度容量计算 | 第33-35页 |
| 3.3.1 单个电热泵负荷的实时可调度容量计算模型 | 第33-34页 |
| 3.3.2 电热泵负荷群的实时可调度容量计算模型 | 第34-35页 |
| 3.4 温控负荷群日内超短期可调度容量预测方法 | 第35-39页 |
| 3.4.1 训练样本的特征 | 第35-36页 |
| 3.4.2 基于大数据预测算法的温控负荷群日内超短期可调度容量预测 | 第36-39页 |
| 3.4.3 评价指标 | 第39页 |
| 3.5 仿真与实验 | 第39-53页 |
| 3.5.1 大数据平台搭建与配置 | 第39-42页 |
| 3.5.2 数据的采集与处理 | 第42-44页 |
| 3.5.3 实时可调度容量计算 | 第44-46页 |
| 3.5.4 温控负荷群日内超短期可调度容量预测 | 第46-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 区域配电网中温控负荷参与的电力市场交易方法 | 第54-74页 |
| 4.1 引言 | 第54页 |
| 4.2 区域配电网 | 第54-55页 |
| 4.3 基于多代理系统的交易框架 | 第55-57页 |
| 4.3.1 多代理系统 | 第55页 |
| 4.3.2 交易节点的多代理系统 | 第55-57页 |
| 4.4 温控负荷参与的区域配电网电能交易方法 | 第57-67页 |
| 4.4.1 合同网 | 第57-58页 |
| 4.4.2 多因子方法 | 第58-61页 |
| 4.4.3 温控负荷参与的多因子合同网电能交易方法 | 第61-67页 |
| 4.5 算例分析 | 第67-72页 |
| 4.5.1 区域配电网以及交易节点的配置 | 第67-68页 |
| 4.5.2 光伏出力的不确定性建模 | 第68-69页 |
| 4.5.3 区域配电网内节点间的日内电能交易 | 第69-72页 |
| 4.6 本章小结 | 第72-74页 |
| 第五章 结论与展望 | 第74-76页 |
| 5.1 本文的主要研究结论 | 第74-75页 |
| 5.2 下一步工作展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间的学术活动及成果清单 | 第79页 |
