基于大数据的分布式短期负荷预测方法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-16页 |
| 1.1.1 研究背景 | 第12-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外的研究现状及发展趋势 | 第16-20页 |
| 1.2.1 电网负荷特性分析 | 第16-17页 |
| 1.2.2 短期负荷预测 | 第17-20页 |
| 1.3 本文主要工作和章节安排 | 第20-22页 |
| 第2章 基于大数据的电力负荷变化规律分析 | 第22-34页 |
| 2.1 基于大数据的资料收集 | 第22-23页 |
| 2.2 常规负荷变化规律分析 | 第23-27页 |
| 2.2.1 年负荷变化规律分析 | 第24-25页 |
| 2.2.2 月负荷变化规律分析 | 第25页 |
| 2.2.3 日负荷变化规律分析 | 第25-27页 |
| 2.3 夏季典型日负荷变化规律分析 | 第27-33页 |
| 2.3.1 温度与夏季负荷的相关性 | 第29-30页 |
| 2.3.2 相对湿度与夏季负荷的相关性 | 第30-31页 |
| 2.3.3 降雨与夏季负荷的相关性 | 第31-33页 |
| 2.3.4 其他因素与夏季负荷的相关性 | 第33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于大数据的分布式短期负荷预测方法 | 第34-44页 |
| 3.1 Map/Reduce模型 | 第34-35页 |
| 3.2 负荷预测方案 | 第35-36页 |
| 3.3 子网划分方法 | 第36-38页 |
| 3.4 负荷预测模型 | 第38-43页 |
| 3.4.1 子网负荷预测模型 | 第38-42页 |
| 3.4.2 全网负荷预测模型 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 算例分析 | 第44-53页 |
| 4.1 样本选择与子网划分 | 第44-46页 |
| 4.2 负荷预测 | 第46-47页 |
| 4.2.1 工作日负荷预测 | 第46-47页 |
| 4.2.2 休息日负荷预测 | 第47页 |
| 4.3 负荷预测误差分析 | 第47-52页 |
| 4.3.1 工作日负荷预测误差分析 | 第48-50页 |
| 4.3.2 休息日负荷预测误差分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论与展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读硕士学位期间取得的研究成果 | 第62页 |
