| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 本课题的研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 分布式发电技术的研究现状 | 第12-13页 |
| 1.2.2 含分布式电源的配电网规划研究现状 | 第13-15页 |
| 1.3 分布式发电技术简介 | 第15-20页 |
| 1.3.1 分布式发电的概念 | 第15-16页 |
| 1.3.2 分布式发电技术的分类 | 第16-20页 |
| 1.4 本文的主要研究内容 | 第20-21页 |
| 第2章 含分布式发电的配电网规划数学模型 | 第21-33页 |
| 2.1 分布式发电技术对配电网及其规划的影响 | 第21-25页 |
| 2.1.1 分布式发电技术对配电网的影响 | 第21-24页 |
| 2.1.2 分布式发电技术对配电网规划的影响 | 第24-25页 |
| 2.2 含分布式发电的配电网潮流分析 | 第25-28页 |
| 2.3 含有分布式发电的配电网规划优化模型 | 第28-31页 |
| 2.3.1 配电网规划的优化模型类型 | 第28-29页 |
| 2.3.2 多目标优化模型的建立 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于遗传算法的含分布式电源的配电网规划方法 | 第33-51页 |
| 3.1 遗传算法概述 | 第33-40页 |
| 3.1.1 遗传算法简介 | 第33-34页 |
| 3.1.2 遗传算法基本操作 | 第34-37页 |
| 3.1.3 遗传算法的基本流程 | 第37-39页 |
| 3.1.4 遗传算法的参数控制 | 第39-40页 |
| 3.2 含有分布式电源的配电网规划的求解 | 第40-43页 |
| 3.2.1 含分布式电源的配电网规划的染色体编码 | 第40页 |
| 3.2.2 产生初始群体 | 第40页 |
| 3.2.3 约束条件处理 | 第40-41页 |
| 3.2.4 遗传操作的实现 | 第41-42页 |
| 3.2.5 算法终止条件 | 第42-43页 |
| 3.3 算例分析 | 第43-50页 |
| 3.3.1 46节点算例 | 第44-47页 |
| 3.3.2 结果及其分析 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 基于蚁群算法的规划方法 | 第51-65页 |
| 4.1 蚁群算法概述 | 第51-57页 |
| 4.1.1 蚁群算法基本原理 | 第51-52页 |
| 4.1.2 蚁群算法数学模型 | 第52-56页 |
| 4.1.3 蚁群算法的参数控制 | 第56-57页 |
| 4.2 含分布式电源配电网规划求解 | 第57-61页 |
| 4.2.1 配电网中分布式电源位置与容量的编码表示 | 第57-58页 |
| 4.2.2 微电网中分布式电源容量的选择 | 第58-59页 |
| 4.2.3 蚁群优化算法总流程 | 第59-61页 |
| 4.3 算例分析 | 第61-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第5章 改进的遗传-蚁群混合算法的规划方法 | 第65-75页 |
| 5.1 遗传算法与蚁群算法的融合 | 第65-66页 |
| 5.1.1 遗传算法与蚁群算法的比较分析 | 第65-66页 |
| 5.1.2 遗传-蚁群融合算法(GAAC)的基本思想 | 第66页 |
| 5.2 遗传算法与蚁群算法的融合与改进 | 第66-71页 |
| 5.2.1 遗传-蚁群算法的中遗传算法部分的改进 | 第67-68页 |
| 5.2.2 遗传-蚁群算法的中蚁群算法部分的改进 | 第68-69页 |
| 5.2.3 融合点的确定 | 第69-71页 |
| 5.3 算例分析 | 第71-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 工作展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士期间的科研情况 | 第83页 |
