| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第18-32页 |
| 1.1 选题背景及意义 | 第18-21页 |
| 1.1.1 选题背景 | 第18-20页 |
| 1.1.2 选题意义 | 第20-21页 |
| 1.2 国内外研究现状 | 第21-28页 |
| 1.2.1 资源特性评估研究现状 | 第21-23页 |
| 1.2.2 资源聚合研究现状 | 第23-24页 |
| 1.2.3 需求侧资源短期预测研究现状 | 第24-27页 |
| 1.2.4 资源运营策略研究现状 | 第27-28页 |
| 1.3 主要研究内容及框架 | 第28-31页 |
| 1.4 论文研究创新点 | 第31-32页 |
| 第2章 需求侧能源资源动态聚合决策理论框架设计 | 第32-44页 |
| 2.1 需求侧能源资源定义 | 第32-33页 |
| 2.2 我国需求侧能源资源的发展 | 第33-40页 |
| 2.2.1 分布式光伏资源 | 第33-34页 |
| 2.2.2 分散式风电资源 | 第34-35页 |
| 2.2.3 储能资源 | 第35-37页 |
| 2.2.4 电动汽车资源 | 第37-38页 |
| 2.2.5 柔性负荷资源 | 第38-40页 |
| 2.3 需求侧能源资源动态聚合决策问题及理论框架 | 第40-42页 |
| 2.3.1 DSER动态聚合决策问题分析 | 第40-42页 |
| 2.3.2 需求侧能源资源动态聚合决策理论框架设计 | 第42页 |
| 2.4 本章小结 | 第42-44页 |
| 第3章 基于地理信息的需求侧能源资源评估模型 | 第44-60页 |
| 3.1 需求侧能源资源的特性分析 | 第44-45页 |
| 3.2 需求侧能源资源评估模型的指标体系 | 第45-46页 |
| 3.3 基础指标的选取 | 第46-47页 |
| 3.3.1 效益指标 | 第46-47页 |
| 3.3.2 资源开发情况指标 | 第47页 |
| 3.3.3 发展潜力指标 | 第47页 |
| 3.4 特色指标的选取 | 第47-49页 |
| 3.4.1 风光资源特色指标 | 第47-48页 |
| 3.4.2 电动汽车和储能资源特色指标 | 第48-49页 |
| 3.4.3 灵活负荷资源特色指标 | 第49页 |
| 3.5 指标权重的确定 | 第49-52页 |
| 3.5.1 评价指标标准化 | 第49-50页 |
| 3.5.2 基础指标权重的计算 | 第50-51页 |
| 3.5.3 特色指标权重的计算 | 第51-52页 |
| 3.5.4 综合评估模型 | 第52页 |
| 3.6 算例分析 | 第52-59页 |
| 3.6.1 评价指标标准化 | 第53-55页 |
| 3.6.2 基础指标权重的计算 | 第55页 |
| 3.6.3 特色指标权重的计算 | 第55-56页 |
| 3.6.4 综合评估结果 | 第56-59页 |
| 3.7 本章小结 | 第59-60页 |
| 第4章 基于地理决策分区的虚拟电厂优化聚合决策模型 | 第60-77页 |
| 4.1 虚拟电厂优化聚合的地理决策分区 | 第60-66页 |
| 4.1.1 虚拟电厂 | 第60-61页 |
| 4.1.2 需求侧能源资源出力模型 | 第61-63页 |
| 4.1.3 虚拟电厂优化聚合的地理决策区划分 | 第63-66页 |
| 4.2 多目标虚拟电厂优化聚合模型 | 第66-69页 |
| 4.2.1 目标函数 | 第66-67页 |
| 4.2.2 约束条件 | 第67-69页 |
| 4.3 基于优先选择度蝙蝠算法的优化模型求解 | 第69-72页 |
| 4.3.1 蝙蝠算法 | 第69页 |
| 4.3.2 基于优先选择度的改进蝙蝠算法 | 第69-72页 |
| 4.4 算例分析 | 第72-76页 |
| 4.4.1 地理决策区划分和区域资源种类的确定 | 第72-73页 |
| 4.4.2 虚拟电厂优化聚合结果分析 | 第73-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第5章 需求侧能源资源的短期预测模型 | 第77-97页 |
| 5.1 风电出力预测模型 | 第77-86页 |
| 5.1.1 基于风力条件相似度的相似日选取 | 第77-78页 |
| 5.1.2 基于风力条件相似度及误差校正的风电出力误差拟合值确定 | 第78-79页 |
| 5.1.3 基于波动性分析的风电功率预测误差的补偿值的生成 | 第79-80页 |
| 5.1.4 基于风力条件相似度及误差校正的风电出力预测模型 | 第80-82页 |
| 5.1.5 算例验证 | 第82-86页 |
| 5.2 光伏出力预测模型 | 第86-91页 |
| 5.2.1 典型天气类型的划分 | 第86-87页 |
| 5.2.2 基于正态分布的典型天气类型下的光伏功率预测误差分布 | 第87页 |
| 5.2.3 典型天气类型下基于误差校正的光伏发电功率短期预测模型 | 第87-88页 |
| 5.2.4 算例验证 | 第88-91页 |
| 5.3 电价预测模型 | 第91-96页 |
| 5.3.1. 小波变换 | 第92页 |
| 5.3.2 ARIMA模型 | 第92-93页 |
| 5.3.3 算例分析 | 第93-96页 |
| 5.4 本章小结 | 第96-97页 |
| 第6章 需求侧能源资源的动态优化运营决策模型 | 第97-120页 |
| 6.1 虚拟电厂动态优化运营决策模型 | 第98-109页 |
| 6.1.1 虚拟电厂电量上网模式 | 第98页 |
| 6.1.2 虚拟电厂上网电量考核准则 | 第98-99页 |
| 6.1.3 虚拟电厂的盈利途径分析 | 第99-100页 |
| 6.1.4 虚拟电厂出力典型场景的生成 | 第100-101页 |
| 6.1.5 虚拟电厂动态优化运营决策模型 | 第101-102页 |
| 6.1.6 模型求解 | 第102-103页 |
| 6.1.7 算例分析 | 第103-109页 |
| 6.2 光储联合动态优化联营决策模型 | 第109-119页 |
| 6.2.1 光储联合运营分析 | 第109-110页 |
| 6.2.2 光伏电站收益模型 | 第110-112页 |
| 6.2.3 储能电站收益模型 | 第112-113页 |
| 6.2.4 模型求解 | 第113-114页 |
| 6.2.5 算例分析 | 第114-119页 |
| 6.3 本章小结 | 第119-120页 |
| 第7章 需求侧能源资源评估及运营决策支持系统设计 | 第120-140页 |
| 7.1 系统开发意义与目的 | 第120页 |
| 7.2 系统需求分析 | 第120-122页 |
| 7.2.1 需求侧能源资源评价 | 第121页 |
| 7.2.2 需求侧能源资源聚合 | 第121页 |
| 7.2.3 需求侧能源资源的短期出力预测 | 第121页 |
| 7.2.4 需求侧能源资源优化运营策略 | 第121-122页 |
| 7.3 系统模块组成及设计 | 第122-127页 |
| 7.3.1 基础数据库 | 第123-124页 |
| 7.3.2 模型库 | 第124-125页 |
| 7.3.3 知识库 | 第125-126页 |
| 7.3.4 方法库 | 第126-127页 |
| 7.4 需求侧能源资源评估及运营决策支持系统的实现 | 第127-139页 |
| 7.4.1 系统主界面 | 第127页 |
| 7.4.2 需求侧能源资源评估 | 第127-130页 |
| 7.4.3 需求侧能源资源聚合 | 第130-131页 |
| 7.4.4 需求侧能源资源的短期出力预测 | 第131-135页 |
| 7.4.5 需求侧能源资源优化运营策略 | 第135-139页 |
| 7.5 本章小结 | 第139-140页 |
| 第8章 研究成果与结论 | 第140-142页 |
| 参考文献 | 第142-151页 |
| 攻读博士学位期间发表的学术论文 | 第151-153页 |
| 攻读博士学位期间参加的科研工作 | 第153-154页 |
| 致谢 | 第154-155页 |
| 作者简介 | 第155页 |
