摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-18页 |
1.1 研究的目的和意义 | 第10-11页 |
1.2 选题背景和研究现状 | 第11-15页 |
1.2.1 选题背景 | 第11页 |
1.2.2 研究现状 | 第11-15页 |
1.3 本文的研究内容 | 第15-18页 |
第2章 基本粒子群优化算法研究 | 第18-29页 |
2.1 粒子群算法的主要模型 | 第18-23页 |
2.1.1 基本粒子群优化算法模型 | 第19页 |
2.1.2 带惯性权重粒子群优化模型 | 第19-20页 |
2.1.3 全面学习粒子群优化模型 | 第20页 |
2.1.4 离散粒子群优化模型 | 第20-23页 |
2.2 粒子群优化算法的基本原理与理论基础 | 第23-25页 |
2.2.1 粒子群优化算法的基本原理 | 第23-24页 |
2.2.2 粒子群算法的理论基础 | 第24-25页 |
2.3 粒子群的主要优化领域 | 第25-26页 |
2.3.1 约束优化 | 第25-26页 |
2.3.2 组合优化 | 第26页 |
2.3.3 多目标优化 | 第26页 |
2.4 粒子群算法在电力系统中的运用 | 第26-28页 |
2.4.1 自动发电控制和经济调度 | 第27页 |
2.4.2 最优潮流和无功电压优化控制 | 第27页 |
2.4.3 电力系统状态估计与电力系统稳定器优化设计 | 第27-28页 |
2.5 本章小结 | 第28-29页 |
第3章 离散二进制粒子群优化算法研究 | 第29-45页 |
3.1 传统的离散二进制粒子群优化算法数学模型 | 第29-30页 |
3.2 离散二进制粒子群算法参数分析 | 第30-34页 |
3.2.1 参数分析评价标准 | 第30-31页 |
3.2.2 粒子群算法的相关参数分析 | 第31-34页 |
3.3 惯性权重的取值分析 | 第34-36页 |
3.3.1 随机惯性权重取值策略 | 第34页 |
3.3.2 算法性能测试 | 第34-36页 |
3.4 改进的离散二进制粒子群算法 | 第36-42页 |
3.4.1 带变异操作的离散二进制粒子群算法 | 第37-39页 |
3.4.2 带有耗散操作的离散二进制粒子群算法 | 第39-42页 |
3.5 改进算法仿真模拟 | 第42-44页 |
3.5.1 模型建立及算法分析 | 第42页 |
3.5.2 仿真模拟测试 | 第42-44页 |
3.6 本章小结 | 第44-45页 |
第4章 基于改进的粒子群算法的电力系统经济调度建模研究 | 第45-52页 |
4.1 模型的建立 | 第45-48页 |
4.1.1 模型的变量选择 | 第46页 |
4.1.2 模型的目标函数 | 第46-47页 |
4.1.3 模型的约束条件 | 第47-48页 |
4.2 模型的求解方法 | 第48-51页 |
4.2.1 求解多目标决策问题的基本原则 | 第48页 |
4.2.2 基于粒子群算法的求解方法 | 第48-51页 |
4.3 本章小结 | 第51-52页 |
第5章 改进的粒子群算法在电力系统经济调度中的应用研究 | 第52-61页 |
5.1 某区域用电情况分析 | 第52-57页 |
5.1.1 该区域各企业产线工业总产值分析 | 第52-53页 |
5.1.2 该区域各企业产线用电量分析 | 第53页 |
5.1.3 该区域各企业产线污染排放分析 | 第53-56页 |
5.1.4 该区域各企业产线参数汇总 | 第56-57页 |
5.2 该区域电力调度优化研究 | 第57-60页 |
5.2.1 该区域电力调度模型 | 第57页 |
5.2.2 该区域电力调度模型求解 | 第57-58页 |
5.2.3 结果分析 | 第58-60页 |
5.3 本章小结 | 第60-61页 |
第6章 结论与展望 | 第61-63页 |
6.1 全文总结 | 第61-62页 |
6.2 研究展望 | 第62-63页 |
参考文献 | 第63-66页 |
致谢 | 第66页 |