| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 现有研究面临的若干挑战 | 第15-16页 |
| 1.4 本文的主要工作 | 第16-17页 |
| 2 负荷聚类分析及历史负荷数据可预测性评估 | 第17-39页 |
| 2.1 引言 | 第17-18页 |
| 2.2 基于改进K-means聚类算法的负荷聚类分析 | 第18-23页 |
| 2.3 基于信息熵的历史负荷数据可预测性评估 | 第23-30页 |
| 2.4 仿真分析 | 第30-38页 |
| 2.5 本章小结 | 第38-39页 |
| 3 基于边界估计理论的负荷短期区间预测研究 | 第39-61页 |
| 3.1 引言 | 第39-40页 |
| 3.2 区间预测现有方法介绍及评价指标改进 | 第40-46页 |
| 3.3 基于边界估计理论的区间预测方法 | 第46-52页 |
| 3.4 区间预测仿真分析 | 第52-60页 |
| 3.5 本章小结 | 第60-61页 |
| 4 基于改进蚁群算法的储换电船舶日前优化调度策略研究 | 第61-82页 |
| 4.1 引言 | 第61页 |
| 4.2 远洋海岛群能量调度场景及基本假设 | 第61-64页 |
| 4.3 储换电船舶日前调度数学模型构建 | 第64-68页 |
| 4.4 基于改进蚁群算法的储换电船舶日前调度方案优化求解 | 第68-74页 |
| 4.5 储换电船舶日前优化调度仿真分析 | 第74-81页 |
| 4.6 本章小结 | 第81-82页 |
| 5 总结与展望 | 第82-84页 |
| 5.1 总结 | 第82-83页 |
| 5.2 展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-92页 |
| 附录1 攻读硕士学位期间研究成果 | 第92-93页 |
| 附录2 攻读硕士学位期间参与的科研项目 | 第93页 |
