摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-25页 |
1.1 研究背景 | 第11-12页 |
1.2 国内外研究现状 | 第12-23页 |
1.2.1 国内外综合能源系统的研究现状 | 第12-13页 |
1.2.2 国内外对光伏发电技术的研究现状 | 第13-16页 |
1.2.3 分布式热电联产系统的国内外发展现状 | 第16-20页 |
1.2.4 分布式热电联产系统规划的国内外研究现状 | 第20-21页 |
1.2.5 分布式电源定容选址的研究现状 | 第21-23页 |
1.3 论文主要工作与组织结构安排 | 第23-25页 |
第二章 综合能源系统 | 第25-37页 |
2.1 综合能源系统的简单模型 | 第25-28页 |
2.2 智慧能源管理模式 | 第28-33页 |
2.2.1 互联网+智慧能源 | 第29-30页 |
2.2.2 智能家居 | 第30-31页 |
2.2.3 云+端的微电网控制系统 | 第31-33页 |
2.3 动态能源连接器和动态能源集线器 | 第33-34页 |
2.4 全球能源互联网 | 第34-35页 |
2.4.1 全球能源互联网的综合效益 | 第34-35页 |
2.5 坚强智能电网 | 第35-36页 |
2.6 本章小结 | 第36-37页 |
第三章 基于支持向量机法的在线-离线联合预测方法研究 | 第37-48页 |
3.1 支持向量机法 | 第37-40页 |
3.1.1 线性可分情形 | 第37-39页 |
3.1.2 非线性可分情形 | 第39页 |
3.1.3 支持向量机(SVM)的核函数 | 第39-40页 |
3.2 采用LIBSVM的动态负荷预测 | 第40-43页 |
3.3 园区能源群体终端用户供需联合预测 | 第43-45页 |
3.4 仿真结果及分析 | 第45-46页 |
3.5 小结 | 第46-48页 |
第四章 考虑大规模光伏接入的热电联产的定容选址 | 第48-59页 |
4.1 引言 | 第48-49页 |
4.2 系统的数学模型 | 第49-50页 |
4.3 系统的运行约束 | 第50-52页 |
4.3.1 电力系统的运行约束 | 第50-51页 |
4.3.2 天然气网络的运行约束 | 第51页 |
4.3.3 热力网络的运行约束 | 第51-52页 |
4.4 冬季大规模光伏入网的建模分析 | 第52-58页 |
4.4.1 富余光伏电量的三种处理方法 | 第52-53页 |
4.4.2 小区域下大规模光伏入网的模型参数设置 | 第53-54页 |
4.4.3 光伏出力与电力、燃气、热力负荷的关系 | 第54-55页 |
4.4.4 大规模光伏接入下CHP的优化配置 | 第55-57页 |
4.4.5 大规模光伏入网对燃气、热力负荷的影响 | 第57-58页 |
4.5 本章小结 | 第58-59页 |
第五章 大规模光伏接入下基于能流分析的典型城镇CHP的优化配置 | 第59-73页 |
5.1 引言 | 第59-60页 |
5.2 城镇微网能流分析 | 第60-61页 |
5.2.1 典型城镇微网结构图 | 第60页 |
5.2.2 微网的能流分析 | 第60-61页 |
5.3 典型城镇微网能流模型 | 第61-64页 |
5.3.1 太阳能光伏模型 | 第61-62页 |
5.3.2 燃气轮机冷/热/电三联供模型 | 第62页 |
5.3.3 含有分布式电源的电网结构 | 第62-63页 |
5.3.4 电力系统的能流函数 | 第63-64页 |
5.4 采用分布式CHP的优化配置模型 | 第64-65页 |
5.4.1. 供电可靠性模型 | 第64页 |
5.4.2 经济性分析 | 第64页 |
5.4.3 系统运行方式和约束条件 | 第64-65页 |
5.5 遗传-细菌觅食混合优化算法 | 第65-67页 |
5.5.1 遗传算法(Genetic Algorithm,GA) | 第65页 |
5.5.2 细菌觅食算法 | 第65-66页 |
5.5.3 遗传-觅食的混合优化算法 | 第66-67页 |
5.6 大规模光伏接入下典型城镇的能流分析模型 | 第67-71页 |
5.6.1 负荷与光伏出力分析 | 第67-68页 |
5.6.2 典型城镇基于能流分析的优化模型 | 第68-70页 |
5.6.3 模型的可靠性分析 | 第70页 |
5.6.4 模型的经济性分析 | 第70-71页 |
5.6.5 GA-BFO混合优化算法评估 | 第71页 |
5.7 结论 | 第71-73页 |
结论与展望 | 第73-75页 |
参考文献 | 第75-81页 |
致谢 | 第81-82页 |
附录A | 第82页 |