| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 微电网发展现状 | 第9-11页 |
| 1.2.2 负荷预测发展现状 | 第11-13页 |
| 1.2.3 微电网负荷预测发展现状 | 第13-14页 |
| 1.3 论文的组织安排 | 第14-15页 |
| 第2章 相关技术 | 第15-25页 |
| 2.0 负荷预测概述 | 第15-16页 |
| 2.1 云计算框架Spark | 第16-19页 |
| 2.1.1 Spark体系结构 | 第16-17页 |
| 2.1.2 Spark的特点 | 第17页 |
| 2.1.3 Spark编程模型 | 第17-18页 |
| 2.1.4 Spark容错机制 | 第18-19页 |
| 2.2 YARN资源调度平台 | 第19-21页 |
| 2.2.1 YARN架构 | 第19-20页 |
| 2.2.2 YARN资源分配 | 第20-21页 |
| 2.3 电力系统负荷数据预处理 | 第21-24页 |
| 2.3.1 异常数据分类 | 第21-22页 |
| 2.3.2 异常数据的检测和修正 | 第22-23页 |
| 2.3.3 缺失数据的修补 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于支持向量回归的微电网短期负荷预测算法设计 | 第25-32页 |
| 3.1 微电网短期负荷预测特点 | 第25页 |
| 3.2 支持向量回归机理论 | 第25-27页 |
| 3.3 人工蜂群算法的基本理论及其改进 | 第27-30页 |
| 3.3.1 人工蜂群算法的基本理论 | 第27-29页 |
| 3.3.2 人工蜂群算法的改进 | 第29-30页 |
| 3.4 人工蜂群优化支持向量回归模型 | 第30-31页 |
| 3.4.1 参数优化模型 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 分布式人工蜂群优化支持向量回归预测算法设计 | 第32-39页 |
| 4.1 Spark云平台简介 | 第32-34页 |
| 4.2 分布式ABC-SVR的预测算法设计 | 第34-38页 |
| 4.2.1 算法并行性分析 | 第34-35页 |
| 4.2.2 算法并行化实现 | 第35-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第5章 负荷预测算法实现与分析 | 第39-48页 |
| 5.1 实验平台 | 第39-44页 |
| 5.1.1 系统环境 | 第39-40页 |
| 5.1.2 安装并配置Hadoop平台 | 第40-41页 |
| 5.1.3 在平台上部署YARN | 第41-42页 |
| 5.1.4 在YARN上部署Spark | 第42-44页 |
| 5.2 评价指标描述 | 第44页 |
| 5.3 人工蜂群优化支持向量回归预测算法实现与分析 | 第44-46页 |
| 5.3.1 模型的参数设置 | 第44-45页 |
| 5.3.2 实验结果分析 | 第45-46页 |
| 5.4 分布式人工蜂群优化支持向量回归预测算法实现与分析 | 第46-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54页 |
