| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-29页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 电力运营风险管理国内外研究现状分析 | 第16-25页 |
| 1.2.1 发电侧电力运营风险管理研究 | 第16-20页 |
| 1.2.2 电网侧电力运营风险管理研究 | 第20-24页 |
| 1.2.3 用户侧电力运营风险管理研究 | 第24-25页 |
| 1.3 本文主要研究内容 | 第25-26页 |
| 1.4 本文主要创新点 | 第26-29页 |
| 第2章 电力运营风险管理相关理论 | 第29-41页 |
| 2.1 电力运营定义及特征 | 第29-30页 |
| 2.1.1 电力运营的定义 | 第29页 |
| 2.1.2 电力运营的特征 | 第29-30页 |
| 2.1.3 智能电网环境下结合新电改形势的电力运营特点分析 | 第30页 |
| 2.2 风险元传递管理相关理论 | 第30-33页 |
| 2.2.1 风险元的基本概念 | 第30-31页 |
| 2.2.2 风险元传递的基本结构 | 第31-33页 |
| 2.3 基于风险元传递理论的电力运营风险影响分析 | 第33-38页 |
| 2.3.1 关系型风险元传递 | 第33-35页 |
| 2.3.2 基本链型风险元传递 | 第35-36页 |
| 2.3.3 层次型风险元传递 | 第36-37页 |
| 2.3.4 网络型风险元传递 | 第37-38页 |
| 2.4 电力运营风险元传递方法与模型 | 第38-40页 |
| 2.4.1 电力运营风险元传递优化法 | 第38页 |
| 2.4.2 电力运营风险元传递智能解析法 | 第38-39页 |
| 2.4.3 电力运营风险元传递统计模拟法 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 智能电网环境下发电侧电力运营风险影响评估模型 | 第41-55页 |
| 3.1 智能电网环境下引入新能源发电对电力运营的影响分析 | 第41-43页 |
| 3.2 新能源发电对电力运营影响的风险元选取分析 | 第43-47页 |
| 3.2.1 新能源发电技术对电力运营影响的风险元选取分析 | 第43-45页 |
| 3.2.2 新能源发电产品供应对电力运营影响的风险元选取分析 | 第45-46页 |
| 3.2.3 新能源发电对电力市场影响的风险元选取分析 | 第46页 |
| 3.2.4 电能竞争效率影响风险元选取分析 | 第46-47页 |
| 3.2.5 智能电网环境下发电侧运营影响风险元评估指标体系的建立 | 第47页 |
| 3.3 基于直觉模糊集和层次分析法的风险元影响评估模型 | 第47-54页 |
| 3.3.1 直觉模糊集理论 | 第47-48页 |
| 3.3.2 直觉模糊层次分析风险元影响评估模型的构建 | 第48-51页 |
| 3.3.3 风险元影响程度的计算实例与分析 | 第51-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 智能电网环境下电网侧电力运营风险影响传递模型 | 第55-75页 |
| 4.1 智能电网环境对电网侧电力运营影响分析 | 第55-58页 |
| 4.1.1 电网投资利益主体多元化影响分析 | 第55页 |
| 4.1.2 智能运营技术对电网运营的影响分析 | 第55-56页 |
| 4.1.3 智能电网环境对电网侧运营效益影响分析 | 第56页 |
| 4.1.4 智能电网建设对供电成本的影响 | 第56-57页 |
| 4.1.5 智能电网对电力市场的影响分析 | 第57-58页 |
| 4.2 智能电网运营期投资项目风险元传递模型 | 第58-66页 |
| 4.2.1 智能电网投资项目层次型风险元传递数学描述 | 第59页 |
| 4.2.2 基于粒子群优化神经网络的智能电网投资项目风险元传递模型 | 第59-64页 |
| 4.2.3 实例分析 | 第64-66页 |
| 4.3 分时电价下用电需求响应的售电利润影响风险元传递模型 | 第66-74页 |
| 4.3.1 分时电价下用电需求响应引起的利润分配风险元传递分析 | 第66-67页 |
| 4.3.2 利润分配传递影响模型构建 | 第67-71页 |
| 4.3.3 利润分配结果分析与建议 | 第71-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第5章 智能电网环境下用电侧电力运营风险影响模型 | 第75-93页 |
| 5.1 智能电网环境下大数据和云计算对用电侧运营风险影响分析 | 第75-83页 |
| 5.1.1 大数据技术对电力运营风险影响分析 | 第75-76页 |
| 5.1.2 云计算技术对电力运营风险影响分析 | 第76-77页 |
| 5.1.3 面向大数据和云计算风险影响的数据环境重组分析 | 第77-79页 |
| 5.1.4 含多种风险影响因素的大数据和云计算平台分析环境设计 | 第79-82页 |
| 5.1.5 考虑气象风险因素影响的用户侧负荷聚类及预测数据环境设计 | 第82-83页 |
| 5.2 基于粗糙集和聚类分类算法的用电负荷曲线分类研究 | 第83-87页 |
| 5.2.1 用电负荷曲线分类流程分析 | 第83-84页 |
| 5.2.2 含气象数据影响基于k-mean算法的用户负荷曲线聚类分析 | 第84-85页 |
| 5.2.3 结合粗糙集的聚类属性筛选算法 | 第85-86页 |
| 5.2.4 聚类基础上的分类规则提取 | 第86-87页 |
| 5.2.5 实例分析 | 第87页 |
| 5.3 结合分类结果及BSA优化算法SVR负荷预测建模 | 第87-92页 |
| 5.3.1 SVR预测模型 | 第87-89页 |
| 5.3.2 结合BSA算法的SVR电力负荷预测流程 | 第89-90页 |
| 5.3.3 实例分析 | 第90-92页 |
| 5.4 本章小结 | 第92-93页 |
| 第6章 智能电网环境下的电力运营风险分析决策系统设计 | 第93-119页 |
| 6.1 系统分析 | 第93-97页 |
| 6.1.1 系统设计原则 | 第93-94页 |
| 6.1.2 系统可行性分析 | 第94-96页 |
| 6.1.3 功能需求分析 | 第96-97页 |
| 6.2 系统设计 | 第97-109页 |
| 6.2.1 系统框架及功能设计 | 第97-99页 |
| 6.2.2 系统平台总体设计 | 第99-101页 |
| 6.2.3 模块设计 | 第101-104页 |
| 6.2.4 人机交互设计 | 第104-105页 |
| 6.2.5 数据库设计 | 第105-108页 |
| 6.2.6 风险模型库设计 | 第108-109页 |
| 6.3 系统关键技术分析 | 第109-118页 |
| 6.3.1 主要风险的提取技术 | 第109-111页 |
| 6.3.2 基于多Agent计算模型封装技术 | 第111-115页 |
| 6.3.3 基于Cougaar的多Agent模型设计原则和方法 | 第115-118页 |
| 6.4 本章小结 | 第118-119页 |
| 第7章 研究成果与结论 | 第119-121页 |
| 参考文献 | 第121-130页 |
| 攻读博士学位期间发表的论文及其它成果 | 第130-131页 |
| 攻读博士学位期间参加的科研工作 | 第131-132页 |
| 致谢 | 第132-133页 |
| 作者简介 | 第133页 |
