| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-22页 |
| ·研究背景与意义 | 第10-13页 |
| ·电力工业的属性 | 第10页 |
| ·火电厂经济调度 | 第10-11页 |
| ·火电厂运行的环保压力 | 第11-12页 |
| ·对机组负荷调度的新需求 | 第12-13页 |
| ·研究现状 | 第13-20页 |
| ·负荷预测 | 第13-18页 |
| ·负荷优化调度 | 第18-20页 |
| ·本文研究的目的和内容 | 第20-21页 |
| ·本文研究的目的 | 第20页 |
| ·本文研究的主要内容 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 2 电力负荷预测分析及数据预处理 | 第22-32页 |
| ·电力系统负荷的构成和特点 | 第22-24页 |
| ·电力系统负荷的构成 | 第22-23页 |
| ·电力系统负荷的特点 | 第23-24页 |
| ·电力系统负荷预测 | 第24-30页 |
| ·电力系统负荷预测的分类 | 第24-25页 |
| ·电力系统负荷预测的特点 | 第25-28页 |
| ·影响负荷预测的因素 | 第28-30页 |
| ·电力负荷数据的预处理 | 第30-31页 |
| ·不良数据的来源 | 第30页 |
| ·不良数据的检测和处理 | 第30-31页 |
| ·缺损数据的修补 | 第31页 |
| ·其它预处理方法 | 第31页 |
| ·本章小结 | 第31-32页 |
| 3 超短期负荷预测最常用的方法 | 第32-40页 |
| ·超短期负荷预测的基本模型 | 第32页 |
| ·基于自适应线性神经网络的超短期负荷预测 | 第32-37页 |
| ·神经网络的发展 | 第32-33页 |
| ·自适应线性神经网络的原理 | 第33-36页 |
| ·自适应线性神经网络预测结果 | 第36-37页 |
| ·基于曲线外推法的超短期负荷预测 | 第37-38页 |
| ·曲线外推法的模型 | 第37页 |
| ·曲线外推法预测结果 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 4 基于双向加权最小二乘支持向量机的超短期负荷预测 | 第40-56页 |
| ·引言 | 第40-41页 |
| ·统计学习理论 | 第41-42页 |
| ·最小二乘支持向量机 | 第42-46页 |
| ·支持向量机 | 第42-43页 |
| ·最小二乘支持向量机 | 第43-45页 |
| ·核函数的构造 | 第45-46页 |
| ·双向加权最小二乘支持向量机 | 第46-48页 |
| ·输入向量的横向加权 | 第46-47页 |
| ·纵向加权最小二乘支持向量机 | 第47页 |
| ·双向加权最小二乘支持向量机予以赋值 | 第47-48页 |
| ·基于快速留一法的参数选择 | 第48-50页 |
| ·算例分析与对比说明 | 第50-55页 |
| ·预测步骤与结果 | 第50-52页 |
| ·结果对比与说明 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 5 火电厂机组特性分析及厂级负荷分配模型 | 第56-62页 |
| ·机组煤耗特性曲线的确定 | 第56-57页 |
| ·经济指标的探讨 | 第56页 |
| ·机组煤耗特性曲线的拟合 | 第56-57页 |
| ·火电机组运行对环境的影响 | 第57-59页 |
| ·环保对火电厂运行的要求 | 第58页 |
| ·环境效率指标与模型 | 第58-59页 |
| ·快速调节负荷的新需求 | 第59-60页 |
| ·问题的提出 | 第59页 |
| ·理想状态下电厂完成给定负荷的最小时间 | 第59-60页 |
| ·决策模型 | 第60页 |
| ·本章小结 | 第60-62页 |
| 6 基于改进粒子群算法的火电厂厂级负荷分配的研究 | 第62-78页 |
| ·引言 | 第62页 |
| ·火电厂负荷优化分配模型 | 第62-63页 |
| ·经济性最优模型 | 第62-63页 |
| ·环保性最优模型 | 第63页 |
| ·快速性最优模型 | 第63页 |
| ·优化目标的考虑 | 第63页 |
| ·优化分配方法的介绍 | 第63-66页 |
| ·粒子群算法 | 第66-67页 |
| ·微粒群优化算法的基本原理 | 第66页 |
| ·基本微粒群优化算法 | 第66-67页 |
| ·带密度距离的多目标粒子群优化算法 | 第67-69页 |
| ·多目标优化的一般模型 | 第67-68页 |
| ·多目标粒子群优化算法 | 第68页 |
| ·带密度距离的多目标粒子群算法 | 第68-69页 |
| ·改进的MOPSOCD | 第69-70页 |
| ·混沌局部搜索法 | 第69-70页 |
| ·改进的MOPSOCD 算法 | 第70页 |
| ·算例分析与对比 | 第70-76页 |
| ·本章小结 | 第76-78页 |
| 7 结论与展望 | 第78-80页 |
| ·结论 | 第78-79页 |
| ·展望 | 第79-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 附录 | 第86页 |
| A.作者在攻读学位期间发表的论文目录 | 第86页 |