| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要内容 | 第11-12页 |
| 第二章 风电和光伏发电的预测误差 | 第12-19页 |
| 2.1 风力发电的预测方法 | 第12页 |
| 2.2 光伏发电的预测方法 | 第12-13页 |
| 2.3 预测误差的特性 | 第13-17页 |
| 2.3.1 预测误差的时间特性 | 第13页 |
| 2.3.2 预测误差的空间特性 | 第13-14页 |
| 2.3.3 预测误差的概率分布特性 | 第14-16页 |
| 2.3.4 风光预测误差的互补特性 | 第16-17页 |
| 2.4 预测误差的计算 | 第17-18页 |
| 2.5 小结 | 第18-19页 |
| 第三章 含大规模风电光伏接入的协调调度策略 | 第19-36页 |
| 3.1 电力市场结构 | 第19-20页 |
| 3.2 日前调度策略 | 第20-24页 |
| 3.2.1 日前协调调度模型 | 第20-22页 |
| 3.2.2 日前购电费用 | 第22页 |
| 3.2.3 失负荷惩罚费用 | 第22-23页 |
| 3.2.4 日内期望调整费用 | 第23-24页 |
| 3.3 日内调度策略 | 第24-29页 |
| 3.3.1 日内协调调度模型 | 第24-25页 |
| 3.3.2 日内调整费用 | 第25-26页 |
| 3.3.3 失负荷惩罚费用 | 第26-28页 |
| 3.3.4 期望平衡费用 | 第28-29页 |
| 3.4 粒子群算法的基本原理 | 第29-32页 |
| 3.4.1 粒子群算法的起源 | 第29-30页 |
| 3.4.2 基本粒子群算法 | 第30-31页 |
| 3.4.3 惯性权重和学习因子的分析 | 第31-32页 |
| 3.5 调度问题的粒子群算法实现 | 第32-35页 |
| 3.5.1 关键问题 | 第32-33页 |
| 3.5.2 算法流程 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 调度策略的算例分析 | 第36-51页 |
| 4.1 日前调度策略的仿真分析 | 第36-43页 |
| 4.1.1 约束条件对日前调度结果的影响分析 | 第36-37页 |
| 4.1.2 风光预测误差互补性对日前调度结果的影响 | 第37-39页 |
| 4.1.3 日内调整费用对日前调度结果的影响 | 第39页 |
| 4.1.4 考虑互补性的日前协调调度方法调度结果分析 | 第39-43页 |
| 4.2 日内调度策略的仿真分析 | 第43-49页 |
| 4.2.1 平衡费用对调度结果的影响 | 第44-45页 |
| 4.2.2 风光预测误差互补性对调度结果的影响 | 第45页 |
| 4.2.3 考虑互补性的日内协调调度方法调度结果分析 | 第45-49页 |
| 4.3 日前日内协调调度策略的分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 结论和展望 | 第51-52页 |
| 5.1 结论 | 第51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |
