| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-17页 |
| ·我国电力市场的形成及发展 | 第8页 |
| ·电力市场的特点 | 第8-9页 |
| ·电力市场环境下水电站优化调度方法的现状和意义 | 第9-10页 |
| ·优化调度方法的意义 | 第9-10页 |
| ·常规调度方法 | 第10页 |
| ·优化调度方法 | 第10页 |
| ·月径流预测方法 | 第10-15页 |
| ·Local Modeling 模型 | 第11页 |
| ·BP 神经网络 | 第11-12页 |
| ·灰色预测模型 | 第12页 |
| ·门限自回归预测模型 | 第12-13页 |
| ·退水曲线模型 | 第13页 |
| ·基于BP 神经网络遗传算法的模型 | 第13-14页 |
| ·均生函数模型 | 第14页 |
| ·其它方法 | 第14-15页 |
| ·本研究的意义 | 第15页 |
| ·本文的主要工作 | 第15-17页 |
| 第二章 梯级水电站优化调度 | 第17-25页 |
| ·梯级水电站优化调度概述 | 第17-18页 |
| ·电力市场环境下水电站中长期调度 | 第18-20页 |
| ·水电站中长期调度的特点 | 第18-19页 |
| ·以经济和社会效益最大为最优准则 | 第19页 |
| ·梯级水电站发电量最大为最优准则 | 第19页 |
| ·网调负荷要求下，以梯级电站总耗水量最小为最优准则 | 第19-20页 |
| ·基于电力市场机制的水电站短期优化运行目标 | 第20-22页 |
| ·概述 | 第20-21页 |
| ·基于电力市场机制的梯级水电站短期经济优化调度 | 第21-22页 |
| ·小天都－冷竹关梯级水电站概况 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 水电站水库径流预测 | 第25-48页 |
| ·水电站年径流预测 | 第25-29页 |
| ·最近邻抽样回归预测方法 | 第26-27页 |
| ·小波网络模型预测方法 | 第27-29页 |
| ·水电站月径流预测 | 第29-47页 |
| ·退水曲线模型 | 第29-30页 |
| ·门限自回归模型 | 第30-32页 |
| ·BP 神经网络模型 | 第32-43页 |
| ·月径流灰色拓扑预测模型 | 第43-45页 |
| ·Local Modeling 模型 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 仿真结果分析 | 第48-62页 |
| ·BP 神经预测模型的建立及仿真 | 第49-53页 |
| ·径流历史数据资料 | 第49页 |
| ·数据集划分 | 第49页 |
| ·数据预处理 | 第49页 |
| ·BP 神经网络结构 | 第49-50页 |
| ·BP 仿真数据 | 第50-53页 |
| ·灰色模型仿真曲线 | 第53-55页 |
| ·LOCAL MODELING 仿真模型曲线 | 第55-57页 |
| ·基于LOCAL MODELING 的BP 神经网络模型 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与下一步工作 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 作者攻硕期间取得的研究成果 | 第67页 |