| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 论文的研究背景和意义 | 第10-11页 |
| 1.2 分布式电源发展简介 | 第11-15页 |
| 1.2.1 典型分布式电源类型 | 第11-13页 |
| 1.2.2 分布式电源的优势 | 第13-14页 |
| 1.2.3 分布式电源的主要应用 | 第14-15页 |
| 1.2.4 分布式电源并网后的影响 | 第15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 本文的主要工作 | 第17-19页 |
| 第二章 DG概率模型及拉丁超立方采样研究 | 第19-41页 |
| 2.1 光伏电站的概率模型 | 第19-20页 |
| 2.1.1 光照辐射的概率分布 | 第19-20页 |
| 2.1.2 光伏电站的概率出力 | 第20页 |
| 2.2 风电机的概率模型 | 第20-23页 |
| 2.2.1 风机出力 | 第21页 |
| 2.2.2 风速概率分布函数 | 第21-22页 |
| 2.2.3 风机电路模型 | 第22-23页 |
| 2.3 拉丁超立方抽样 | 第23-36页 |
| 2.3.1 拉丁超立方抽样基本原理 | 第24-29页 |
| 2.3.2 拉丁超立方抽样性能分析 | 第29-36页 |
| 2.4 含DG的配电网潮流计算 | 第36-40页 |
| 2.4.1 分层前推回代法 | 第36-39页 |
| 2.4.2 潮流计算实例对比 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 含DG配电网无功规划模型及其求解算法 | 第41-57页 |
| 3.1 基于机会约束规划的含DG配电网无功规划模型 | 第41-44页 |
| 3.1.1 目标函数 | 第41-43页 |
| 3.1.2 约束条件 | 第43-44页 |
| 3.2 含DG配电网无功规划模型求解算法 | 第44-55页 |
| 3.2.1 支持向量机 | 第44-46页 |
| 3.2.2 人工鱼群算法 | 第46-50页 |
| 3.2.3 粒子群算法 | 第50-53页 |
| 3.2.4 AFSVM-PSO混合智能算法 | 第53-55页 |
| 3.3 本章小结 | 第55-57页 |
| 第四章 算例分析 | 第57-68页 |
| 4.1 IEEE 33节点算例 | 第57-62页 |
| 4.1.1 IEEE 33节点系统参数 | 第57-58页 |
| 4.1.2 IEEE 33节点系统无功规划计算及结果分析 | 第58-62页 |
| 4.2 广东地区某64节点配网实例 | 第62-67页 |
| 4.2.1 广东地区某64节点系统参数 | 第62-63页 |
| 4.2.2 广东地区某64节点系统无功规划计算及结果分析 | 第63-67页 |
| 4.3 本章小结 | 第67-68页 |
| 第五章 结论与展望 | 第68-70页 |
| 5.1 结论 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 附录 | 第72-77页 |
| 附表 1 IEEE 33节点配网系统网络参数 | 第72-73页 |
| 附表 2 IEEE 69节点配网系统网络参数 | 第73-75页 |
| 附表3 广东地区某64节点配网实例网络参数 | 第75-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |
