基于大数据的能耗特性分析方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 火电厂能耗现状分析 | 第10-11页 |
| 1.1.2 大数据的发展 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 传统能耗分析方法与节能降耗 | 第13-14页 |
| 1.2.2 电力大数据技术的应用 | 第14-15页 |
| 1.3 研究内容及方法 | 第15-16页 |
| 第2章 大数据技术的理论基础 | 第16-21页 |
| 2.1 大数据概述 | 第16-17页 |
| 2.1.1 大数据定义及特征 | 第16页 |
| 2.1.2 大数据核心 | 第16-17页 |
| 2.2 大数据技术 | 第17-20页 |
| 2.2.1 大数据处理模式 | 第17-19页 |
| 2.2.2 大数据挖掘算法 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 600MW火电机组能耗模型建立 | 第21-34页 |
| 3.1 能耗模型数据 | 第21-24页 |
| 3.1.1 数据准备 | 第21-23页 |
| 3.1.2 数据预处理 | 第23-24页 |
| 3.2 BP神经网络模型 | 第24-28页 |
| 3.2.1 神经网络结构 | 第24-25页 |
| 3.2.2 学习算法流程 | 第25-26页 |
| 3.2.3 模型参数设置及训练 | 第26-28页 |
| 3.3 Elman神经网络模型 | 第28-32页 |
| 3.3.1 神经网络结构 | 第28-29页 |
| 3.3.2 学习算法流程 | 第29-30页 |
| 3.3.3 模型参数设置及训练 | 第30-32页 |
| 3.4 对比分析 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 参数筛选及能耗模型优化 | 第34-40页 |
| 4.1 参数筛选 | 第34-36页 |
| 4.1.1 平均影响值法 | 第34-35页 |
| 4.1.2 参数能耗敏感度分析 | 第35-36页 |
| 4.2 MIV-BP能耗模型构建 | 第36-37页 |
| 4.3 参数筛选前后模型对比分析 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 机组可控运行参数目标值优化 | 第40-48页 |
| 5.1 优化参数选择 | 第40-41页 |
| 5.2 遗传算法优化模型 | 第41-45页 |
| 5.2.1 遗传算法原理 | 第41页 |
| 5.2.2 遗传算法优化流程 | 第41-42页 |
| 5.2.3 优化模型构建 | 第42-45页 |
| 5.3 优化结果及分析 | 第45-46页 |
| 5.4 本章小结 | 第46-48页 |
| 第6章 结论与展望 | 第48-50页 |
| 6.1 全文结论 | 第48页 |
| 6.2 工作展望 | 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 |
