| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 选题的背景及意义 | 第11-12页 |
| 1.2 云计算技术在智能电网中的应用 | 第12-13页 |
| 1.3 有功优化问题研究现状 | 第13-15页 |
| 1.4 论文的主要研究工作及组织结构 | 第15-16页 |
| 第2章 基于CIM的有功优化模型构建 | 第16-30页 |
| 2.1 IEC61970标准及CIM/XML | 第16-22页 |
| 2.1.1 IEC61970概述 | 第16-17页 |
| 2.1.2 公共信息模型CIM | 第17-18页 |
| 2.1.3 CIM类和关系 | 第18-20页 |
| 2.1.4 CIM/XML语言 | 第20-22页 |
| 2.2 基于CIM的电力系统元器件模型 | 第22-24页 |
| 2.2.1 电力网络输电线路CIM模型 | 第22-23页 |
| 2.2.2 电力网络中变压器的CIM模型 | 第23-24页 |
| 2.2.3 电网中负荷的CIM模型 | 第24页 |
| 2.3 各连接性元件的CIM模型 | 第24-28页 |
| 2.3.1 基于CIM母线-支路模型 | 第25-26页 |
| 2.3.2 全局拓扑分析 | 第26-28页 |
| 2.3.3 局部拓扑分析 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于改进的CAGA算法计算有功优化问题 | 第30-40页 |
| 3.1 有功优化问题概述 | 第30-33页 |
| 3.1.1 不计网损的有功优化问题 | 第30-31页 |
| 3.1.2 计及网损的有功优化问题 | 第31-33页 |
| 3.2 云自适应遗传算法（CAGA） | 第33-37页 |
| 3.2.1 云自适应遗传算法的具体实现步骤 | 第33-37页 |
| 3.3 改进的CAGA算法在有功优化调度中的应用 | 第37-39页 |
| 3.3.1 CAGA算法应用在有功优化调度中的不足 | 第37-38页 |
| 3.3.2 引入收缩搜索改进CAGA算法 | 第38页 |
| 3.3.3 改进CAGA算法的基本步骤 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章基于Hadoop云计算平台CAGA算法并行化设计 | 第40-47页 |
| 4.1 开源云计算平台Hadoop概述 | 第40-41页 |
| 4.2 HDFS文件系统与MapReduce框架 | 第41-44页 |
| 4.2.1 MapReduce运行机制 | 第41-43页 |
| 4.2.2 MapReduce作业 | 第43-44页 |
| 4.3 基于云平台的改进CAGA算法并行化设计 | 第44-46页 |
| 4.4 小结 | 第46-47页 |
| 第5章 实验与分析 | 第47-59页 |
| 5.1 Hadoop集群搭建 | 第47-52页 |
| 5.1.1 环境配置前期准备 | 第47-48页 |
| 5.1.2 Hadoop平台搭建 | 第48-52页 |
| 5.2 实验算例分析 | 第52-54页 |
| 5.3 实验对比及分析 | 第54-58页 |
| 5.3.1 IEEE30节点系统详细结果分析 | 第55-56页 |
| 5.3.2 算法的横向对比 | 第56-58页 |
| 5.4 小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59页 |
| 6.2 后续工作 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 在硕士研究生学习期间发表的学术论文及科研情况 | 第64-65页 |
| 致谢 | 第65页 |