| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 电力供需预警及负荷优化措施研究现状 | 第13-18页 |
| 1.2.1 电力供需预警研究现状 | 第13-14页 |
| 1.2.2 基于需求响应的负荷优化措施发展及实施现状 | 第14-17页 |
| 1.2.3 基于直接负荷控制的负荷优化措施研究现状 | 第17-18页 |
| 1.3 本文主要工作内容 | 第18-20页 |
| 2 电力供需预警和Elman神经网络 | 第20-30页 |
| 2.1 电力供需预警 | 第20-25页 |
| 2.1.1 电力预警与电力预测 | 第20-21页 |
| 2.1.2 电力供需预警的基本要素及一般预警过程 | 第21-23页 |
| 2.1.3 电力需求预测算法分析 | 第23-25页 |
| 2.2 Elman神经网络算法 | 第25-28页 |
| 2.2.1 Elman神经网络 | 第25-26页 |
| 2.2.2 Elman神经网络模型 | 第26-28页 |
| 2.3 本章小结 | 第28-30页 |
| 3 负荷优化措施研究 | 第30-48页 |
| 3.1 基于需求响应的负荷优化措施 | 第30-39页 |
| 3.1.1 基于价格的需求响应措施 | 第31-34页 |
| 3.1.2 基于激励的需求响应措施 | 第34-36页 |
| 3.1.3 基于需求响应的负荷优化措施的实施 | 第36-39页 |
| 3.2 基于直接负荷控制的负荷优化措施 | 第39-46页 |
| 3.2.1 基于直接负荷控制的负荷优化措施 | 第39-42页 |
| 3.2.2 基于直接负荷控制的负荷优化措施的实施机制 | 第42-43页 |
| 3.2.3 直接负荷控制方案的优化方法分析 | 第43-46页 |
| 3.3 本章小结 | 第46-48页 |
| 4 基于直接负荷控制的多目标负荷优化模型 | 第48-64页 |
| 4.1 参与负荷优化各方的要求 | 第48-55页 |
| 4.1.1 系统的要求 | 第48-49页 |
| 4.1.2 供电商的要求 | 第49-52页 |
| 4.1.3 电力用户的要求 | 第52-55页 |
| 4.2 多目标负荷优化模型 | 第55-56页 |
| 4.3 带精英策略的快速非支配排序遗传优化算法 | 第56-63页 |
| 4.3.1 PARETO最优解 | 第56-58页 |
| 4.3.2 非支配排序遗传算法 | 第58-60页 |
| 4.3.3 带精英策略的非支配排序遗传算法 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 5 北京地区电力供需预警与负荷优化研究 | 第64-78页 |
| 5.1 北京地区电力供需现状研究 | 第64-65页 |
| 5.2 北京地区电力供需预警研究 | 第65-69页 |
| 5.2.1 神经网络隐含层神经元个数的确定 | 第65-68页 |
| 5.2.2 北京地区电力供需预警 | 第68-69页 |
| 5.3 北京地区负荷优化研究 | 第69-77页 |
| 5.3.1 参数设置 | 第69-72页 |
| 5.3.2 Pareto优化前端及其代表性优化方案 | 第72-73页 |
| 5.3.3 基于Pareto优化前端的最折中优化方案 | 第73-77页 |
| 5.4 本章小结 | 第77-78页 |
| 6 结论和展望 | 第78-80页 |
| 6.1 全文总结 | 第78-79页 |
| 6.2 后续工作与展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 附录A | 第84-86页 |
| 附录B | 第86-100页 |
| 作者简历 | 第100-104页 |
| 学位论文数据集 | 第104页 |
