| 内容摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究的背景和意义 | 第8-10页 |
| 1.2 云计算及水库调度研究现状 | 第10-16页 |
| 1.3 本文研究内容与技术路线 | 第16-18页 |
| 2 基于 Microsoft Azure 的水电站优化调度 | 第18-30页 |
| 2.1 Microsoft Azure 微软云平台 | 第19-21页 |
| 2.2 水库调度云计算平台的构建 | 第21-23页 |
| 2.3 将优化调度系统迁移到云端 | 第23-25页 |
| 2.4 水库调度运用云计算的优势 | 第25-29页 |
| 2.5 在云平台实现并行计算 | 第29-30页 |
| 3 梯级水电站优化调度并行算法设计 | 第30-44页 |
| 3.1 梯级水电站短期优化调度模型 | 第30-31页 |
| 3.2 水电站调度逐步优化算法 | 第31-35页 |
| 3.3 使用逐步优化算法的优越性 | 第35-37页 |
| 3.4 并行 POA 算法设计 | 第37-44页 |
| 4 云计算梯级水库优化调度实例分析 | 第44-55页 |
| 4.1 杂谷脑流域概况 | 第44-45页 |
| 4.2 杂谷脑流域水电站概况 | 第45-46页 |
| 4.3 杂谷脑梯级电站发电规划 | 第46-47页 |
| 4.4 目标函数 | 第47页 |
| 4.5 初始可行解的确定 | 第47-48页 |
| 4.6 并行逐步优化算法计算结果 | 第48-53页 |
| 4.7 计算结果分析 | 第53-55页 |
| 5 梯级水库优化调度云计算平台的编制 | 第55-65页 |
| 5.1 构建验证测试环境 | 第55-57页 |
| 5.2 同步数据库减少转移时间 | 第57-61页 |
| 5.3 备份和还原 | 第61-62页 |
| 5.4 迁移到 Microsoft Azure | 第62-63页 |
| 5.5 基于过程的调度计划编制流程 | 第63-65页 |
| 6 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 附录：攻读硕士学位期间发表的学术论著 | 第72页 |