含分布式电源和电动汽车的配电网重构研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 传统配电网重构算法 | 第15-18页 |
| 1.2.2 计及DG和EV的重构研究现状 | 第18页 |
| 1.2.3 静态重构和动态重构 | 第18页 |
| 1.3 本文的主要工作 | 第18-20页 |
| 第二章 分布式电源和电动汽车 | 第20-31页 |
| 2.1 分布式电源 | 第20-25页 |
| 2.1.1 分布式电源分类 | 第20页 |
| 2.1.2 常见的分布式电源 | 第20-24页 |
| 2.1.3 分布式电源对配电网的影响 | 第24-25页 |
| 2.2 电动汽车 | 第25-26页 |
| 2.2.1 电动汽车分类 | 第25页 |
| 2.2.2 充电模式 | 第25-26页 |
| 2.2.3 电动汽车对配电网的影响 | 第26页 |
| 2.3 分布式电源和电动汽车的模型 | 第26-30页 |
| 2.3.1 风电机组模型 | 第26-28页 |
| 2.3.2 光伏机组模型 | 第28-29页 |
| 2.3.3 电动汽车模型 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 概率潮流计算 | 第31-37页 |
| 3.1 概率潮流概述 | 第31-35页 |
| 3.1.1 概率潮流算法 | 第31页 |
| 3.1.2 矩和中心矩 | 第31-32页 |
| 3.1.3 半不变量 | 第32-33页 |
| 3.1.4 Gram-Charlier级数 | 第33-35页 |
| 3.2 半不变量法 | 第35-36页 |
| 3.2.1 算法模型 | 第35-36页 |
| 3.2.2 算法流程 | 第36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于差熵的配电网多目标重构算法 | 第37-54页 |
| 4.1 配电网重构模型 | 第37-38页 |
| 4.1.1 目标函数 | 第37-38页 |
| 4.1.2 约束条件 | 第38页 |
| 4.2 多目标优化 | 第38-41页 |
| 4.2.1 传统的多目标优化方法 | 第38-39页 |
| 4.2.2 Pareto | 第39-40页 |
| 4.2.3 多目标进化算法 | 第40-41页 |
| 4.3 粒子群算法 | 第41-44页 |
| 4.3.1 编码 | 第41-42页 |
| 4.3.2 粒子群算法 | 第42-44页 |
| 4.3.3 二进制粒子群算法 | 第44页 |
| 4.4 基于差熵的多目标粒子群算法 | 第44-51页 |
| 4.4.1 平行坐标网格 | 第44-45页 |
| 4.4.2 Pareto熵和差熵 | 第45-46页 |
| 4.4.3 进化状态判定 | 第46-49页 |
| 4.4.4 外部档案成员更新方法 | 第49-50页 |
| 4.4.5 全局最优解 | 第50页 |
| 4.4.6 自适应参数 | 第50-51页 |
| 4.4.7 混沌策略扰动 | 第51页 |
| 4.5 算法流程 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 算例分析 | 第54-69页 |
| 5.1 静态重构 | 第54-66页 |
| 5.1.1 算例 1 | 第54-61页 |
| 5.1.2 算例 2 | 第61-66页 |
| 5.2 动态重构 | 第66-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 结论 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 附录 | 第76-79页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第79-80页 |
