摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 前言 | 第7-14页 |
1.1 研究背景及意义 | 第7-9页 |
1.2 国内外研究现状 | 第9-11页 |
1.2.1 电力需求侧能源反馈的研究现状 | 第9-11页 |
1.2.2 电力需求侧能耗预测的研究现状 | 第11页 |
1.3 课题来源及本人工作 | 第11-12页 |
1.4 论文研究的组织结构 | 第12-14页 |
第二章 相关理论及方法 | 第14-20页 |
2.1 引言 | 第14页 |
2.2 电力需求侧能源直接反馈方法 | 第14-16页 |
2.2.1 完整采集准确反馈方法 | 第14-15页 |
2.2.2 单一采集估值反馈方法 | 第15页 |
2.2.3 特殊采集反馈方法 | 第15-16页 |
2.3 电力需求侧能耗预测建模的常用算法 | 第16-17页 |
2.3.1 BP神经网络 | 第16-17页 |
2.3.2 SVM回归算法 | 第17页 |
2.4 能耗信息采集和传输的常见方法 | 第17-19页 |
2.4.1 电力能耗数据的采集方式 | 第18-19页 |
2.4.2 电力能耗数据传输方式 | 第19页 |
2.5 本章小节 | 第19-20页 |
第三章 基于ZigBee通信的电力需求侧能耗采集系统设计 | 第20-34页 |
3.1 引言 | 第20页 |
3.2 基于ZigBee能耗采集系统的总体设计 | 第20-22页 |
3.2.1 基于ZigBee通信的能耗采集系统的网络架构图 | 第21-22页 |
3.2.2 能耗采集系统实现的功能及工作流程 | 第22页 |
3.3 ZigBee采集节点的硬件设计 | 第22-26页 |
3.3.1 采集模块设计 | 第23-24页 |
3.3.2 处理器模块设计 | 第24-25页 |
3.3.3 ZigBee模块电路设计 | 第25-26页 |
3.3.4 PCB图和实物图 | 第26页 |
3.4 ZigBee采集节点的软件设计 | 第26-31页 |
3.5 网关的设计 | 第31-33页 |
3.6 本章小节 | 第33-34页 |
第四章 基于WiFi和ZigBee通信的能耗反馈系统的设计 | 第34-52页 |
4.1 引言 | 第34页 |
4.2 基于WiFi和ZigBee通信的能耗采集系统的整体架构 | 第34-36页 |
4.3 WiFi能耗采集节点的硬件设计 | 第36-42页 |
4.3.1 处理器模块硬件设计 | 第37-38页 |
4.3.2 采集模块硬件设计 | 第38-39页 |
4.3.3 WiFi模块硬件设计 | 第39页 |
4.3.4 电源模块电路设计 | 第39-40页 |
4.3.5 JTAG接口设计 | 第40-41页 |
4.3.6 PCB图及实物图 | 第41-42页 |
4.4 WiFi能耗采集节点的软件设计 | 第42-45页 |
4.4.1 STM8S单片机与ADS1013模数转换器之间通信程序的设计 | 第42-43页 |
4.4.2 STM8S单片机与WiFi模块之间通信程序的设计 | 第43-45页 |
4.5 能耗管理系统的设计 | 第45-51页 |
4.5.1 能耗管理系统开发的关键技术 | 第46-47页 |
4.5.2 能耗管理系统的设计与实现 | 第47-51页 |
4.6 本章小节 | 第51-52页 |
第五章 基于核极限学习机的电力能耗预测的研究 | 第52-61页 |
5.1 引言 | 第52-53页 |
5.2 核极限学习机 | 第53-55页 |
5.2.1 核极限学习机概述 | 第53-55页 |
5.2.2 核极限学习机建立预测模型的过程 | 第55页 |
5.3 核极限学习机的改进算法 | 第55-57页 |
5.3.1 遗传算法介绍 | 第56-57页 |
5.3.2 将遗传算法应用在核极限学习机参数的选取中 | 第57页 |
5.4 实验仿真和效果分析 | 第57-60页 |
5.4.1 数据选取及预处理 | 第57-58页 |
5.4.2 实验仿真分析 | 第58-59页 |
5.4.3 和BP神经网络和SVM回归的进行仿真比较 | 第59-60页 |
5.5 本章小节 | 第60-61页 |
第六章 总结与展望 | 第61-63页 |
6.1 总结 | 第61-62页 |
6.2 下一步工作与展望 | 第62-63页 |
参考文献 | 第63-68页 |
致谢 | 第68-69页 |
作者简介 | 第69页 |
攻读学位期间学习情况 | 第69页 |
作者攻读学位期间发表的学术论文 | 第69页 |
作者攻读学位期间取得的其他学术成果 | 第69页 |