| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 分散式风力发电研究概况 | 第12-13页 |
| 1.2.2 配电网规划研究现况 | 第13-16页 |
| 1.3 国内外配电网软件系统研究现状 | 第16-19页 |
| 1.3.1 配电网规划与信息化 | 第16-18页 |
| 1.3.2 优化规划模型与算法 | 第18-19页 |
| 1.4 本文所作工作 | 第19-21页 |
| 第2章 分散式风电接入对配电网的影响分析 | 第21-31页 |
| 2.1 分散式风力发电出力预测 | 第21-23页 |
| 2.2 分散式风力发电对电力系统的影响 | 第23-27页 |
| 2.2.1 分散式风力发电对电网潮流分布的影响 | 第23-24页 |
| 2.2.2 分散式风力发电对配电网网损的影响 | 第24-25页 |
| 2.2.3 分散式风力发电对系统可靠性的影响 | 第25页 |
| 2.2.4 分散式风电场对运行管理的影响 | 第25页 |
| 2.2.5 分散式风力发电对配电网规划的影响 | 第25-27页 |
| 2.3 分散式风力发电经济效益分析 | 第27-30页 |
| 2.3.1 降低线路损耗 | 第27-28页 |
| 2.3.2 环境效益 | 第28-29页 |
| 2.3.3 降低电价 | 第29页 |
| 2.3.4 提高供电可靠性 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于BCC算法的分散式风电场定容选址 | 第31-47页 |
| 3.1 风电场选址定容方法 | 第31-33页 |
| 3.2 细菌群体趋药性算法原理 | 第33-37页 |
| 3.2.1 细菌趋药性(BC)算法概述 | 第33-35页 |
| 3.2.2 BC算法参数改进 | 第35-36页 |
| 3.2.3 BCC算法改进介绍 | 第36-37页 |
| 3.3 分散式风电场选址定容模型 | 第37-39页 |
| 3.3.1 目标函数 | 第37-38页 |
| 3.3.2 约束条件 | 第38-39页 |
| 3.4 BCC算法在风电场选址定容中的应用 | 第39-40页 |
| 3.5 仿真分析 | 第40-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于GA-PSO与BCC算法的配电网双层扩展规划 | 第47-63页 |
| 4.1 配电网扩展规划及方法 | 第47-48页 |
| 4.2 遗传粒子群算法原理简介 | 第48-50页 |
| 4.2.1 遗传算法和粒子群算法简介 | 第48-49页 |
| 4.2.2 遗传粒子群混合算法 | 第49-50页 |
| 4.3 双层规划数学模型建立 | 第50-56页 |
| 4.3.1 双层规划理论 | 第50-51页 |
| 4.3.2 双层规划数学模型转换 | 第51页 |
| 4.3.3 目标函数 | 第51-53页 |
| 4.3.4 约束条件 | 第53页 |
| 4.3.5 双层规划模型 | 第53-54页 |
| 4.3.6 不可行解修复策略 | 第54-56页 |
| 4.4 双层规划模型求解 | 第56-58页 |
| 4.5 仿真分析 | 第58-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 含风电场的配电网规划软件开发 | 第63-79页 |
| 5.1 系统分析 | 第63-65页 |
| 5.1.1 系统开发环境 | 第63-64页 |
| 5.1.2 软件的总体规划 | 第64-65页 |
| 5.2 配电网优化软件系统体系结构 | 第65-68页 |
| 5.2.1 数据维护部分 | 第66-67页 |
| 5.2.2 运行规划部分 | 第67-68页 |
| 5.3 系统展示及其应用 | 第68-78页 |
| 5.3.1 气象站 | 第69页 |
| 5.3.2 地形图模块 | 第69-71页 |
| 5.3.3 网架分析与规划设计 | 第71-76页 |
| 5.3.4 经济效益模块 | 第76-77页 |
| 5.3.5 软件应用实例 | 第77-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-89页 |
| 攻读硕士期间所做工作及奖励 | 第89-91页 |
| 附录A | 第91-93页 |