致谢 | 第5-6页 |
中文摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 绪论 | 第11-19页 |
1.1 课题研究背景与意义 | 第11-16页 |
1.1.1 电动汽车充电负荷的影响 | 第13-15页 |
1.1.2 电动汽车负荷预测方法适用性研究的意义 | 第15页 |
1.1.3 课题来源及研究场景描述 | 第15-16页 |
1.2 国内外研究现状 | 第16-17页 |
1.3 本文的研究内容和研究方案 | 第17-19页 |
2 电动汽车充电负荷预测方法建模 | 第19-35页 |
2.1 灰色预测模型建模 | 第20-23页 |
2.1.1 灰色系统理论 | 第20-21页 |
2.1.2 灰色预测模型建立 | 第21-23页 |
2.2 BP神经网络预测建模 | 第23-30页 |
2.2.1 神经网络理论 | 第23-29页 |
2.2.2 BP神经网络预测模型建立 | 第29-30页 |
2.3 概率预测模型 | 第30-33页 |
2.3.1 概率模型理论 | 第30-31页 |
2.3.2 基于概率的预测模型建立 | 第31-33页 |
2.4 本章小结 | 第33-35页 |
3 电动汽车充电负荷预测方法适用性研究 | 第35-43页 |
3.1 电动汽车负荷预测方法适用性评价指标建立 | 第35-38页 |
3.1.1 不同时间尺度上电动汽车的预测需求分析 | 第35-37页 |
3.1.2 电动汽车负荷预测方法预测效果评价标准 | 第37-38页 |
3.2 电动汽车负荷预测方法在不同时间尺度的适用研究 | 第38-42页 |
3.2.1 灰色预测法的适用性 | 第38-40页 |
3.2.2 BP神经网络法的适用性 | 第40-41页 |
3.2.3 基于概率模型的预测方法适用性 | 第41-42页 |
3.3 本章小结 | 第42-43页 |
4 电动汽车负荷预测及分析 | 第43-63页 |
4.1 灰色预测 | 第44-52页 |
4.1.1 预测目标及条件设计 | 第44-45页 |
4.1.2 短期负荷预测结果 | 第45-49页 |
4.1.3 中长期负荷预测结果 | 第49-50页 |
4.1.4 灰色预测结果分析 | 第50-52页 |
4.2 神经网络短期负荷预测 | 第52-54页 |
4.2.1 预测目标及条件设计 | 第52页 |
4.2.2 预测结果 | 第52-54页 |
4.3 基于概率模型的负荷预测 | 第54-60页 |
4.3.1 预测目标及条件设计 | 第54-58页 |
4.3.2 预测结果 | 第58-60页 |
4.4 预测结果分析 | 第60-62页 |
4.4.1 超短期负荷预测和短期负荷预测结果分析 | 第60-61页 |
4.4.2 中长期负荷预测结果分析 | 第61-62页 |
4.5 本章小结 | 第62-63页 |
5 电动汽车充电负荷预测时空分布的建模研究 | 第63-71页 |
5.1 研究思路 | 第63页 |
5.2 电动乘用车负荷预测实施方案 | 第63-69页 |
5.2.1 电动汽车时空分布的相关论证及适用性分析 | 第64页 |
5.2.2 电动私家车时间维度负荷预测建模 | 第64-67页 |
5.2.3 电动私家车的空间维度负荷预测建模 | 第67-69页 |
5.3 本章小结 | 第69-71页 |
6 结论与展望 | 第71-73页 |
6.1 结论 | 第71-72页 |
6.2 展望 | 第72-73页 |
参考文献 | 第73-75页 |
作者简历 | 第75-79页 |
学位论文数据集 | 第79页 |