| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状及存在问题分析 | 第13-14页 |
| 1.2.1 基于生物行为的生物启发式算法 | 第13-14页 |
| 1.2.2 智能方法的微电网能量调度优化方面 | 第14页 |
| 1.3 学术思想、理论依据与关键技术 | 第14-15页 |
| 1.4 智能计算 | 第15-17页 |
| 1.4.1 最优化问题 | 第15页 |
| 1.4.2 智能计算的研究现状 | 第15页 |
| 1.4.3 智能计算方法概述 | 第15-17页 |
| 1.5 论文内容与组织 | 第17-19页 |
| 1.5.1 论文研究内容 | 第17-18页 |
| 1.5.2 论文组织结构 | 第18-19页 |
| 第2章 小脑模型神经网络短期功率预测 | 第19-24页 |
| 2.1 功率预测问题描述 | 第19页 |
| 2.2 CMAC功率预测模型 | 第19-21页 |
| 2.2.1 CMAC的结果输出计算及误差产生阶段 | 第20-21页 |
| 2.2.2 CMAC的权值调整阶段 | 第21页 |
| 2.3 预测实例 | 第21-23页 |
| 2.4 本章小节 | 第23-24页 |
| 第3章 微网调度优化问题研究 | 第24-39页 |
| 3.1 引言 | 第24页 |
| 3.2 微网中微电源调度问题描述 | 第24-27页 |
| 3.2.1 微网能量调度优化描述 | 第24-25页 |
| 3.2.2 微电网调度的数学模型 | 第25-27页 |
| 3.3 标准粒子群算法 | 第27-29页 |
| 3.3.1 算法简介 | 第27-28页 |
| 3.3.2 参数分析 | 第28页 |
| 3.3.3 标准PSO算法流程 | 第28-29页 |
| 3.4 基于生态捕食模型的改进PSO算法 | 第29-34页 |
| 3.4.1 协同进化理论与捕食者-猎物系统 | 第29页 |
| 3.4.2 PSOPPC算法 | 第29-32页 |
| 3.4.3 实验与结果分析 | 第32-34页 |
| 3.5 基于PSOPPC的微电网能量调度 | 第34-38页 |
| 3.5.1 微电网能量调度总则 | 第34页 |
| 3.5.2 微电网能量调度算法求解框架 | 第34-35页 |
| 3.5.3 微电网能量调度算法实现步骤 | 第35-37页 |
| 3.5.4 实例结果 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 微电网规划优化模型的菌群自我调节觅食算法 | 第39-63页 |
| 4.1 引言 | 第39-42页 |
| 4.1.1 微电网规划优化问题研究背景 | 第39页 |
| 4.1.2 基于细菌觅食行为的启发式算法研究进展 | 第39-42页 |
| 4.2 微电网规划的数学模型优化 | 第42-43页 |
| 4.3 菌群自我调节觅食优化模型与仿真 | 第43-53页 |
| 4.3.1 菌群自我调节觅食算法的生物学基础 | 第43-44页 |
| 4.3.2 菌群自我调节觅食算法 | 第44-47页 |
| 4.3.3 仿真研究 | 第47-53页 |
| 4.4 基于ABFO的微电网规划优化 | 第53-62页 |
| 4.4.1 基于ABFO的微电网规划优化过程 | 第53-58页 |
| 4.4.2 实例研究 | 第58-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 基于系统智能方法的微电网群控调度分布式决策模型研究 | 第63-94页 |
| 5.1 引言 | 第63页 |
| 5.2 分布式决策理论概述 | 第63-66页 |
| 5.2.1 DDM的层次结构 | 第63页 |
| 5.2.2 DDM的信息状态 | 第63页 |
| 5.2.3 DDM的分类 | 第63-64页 |
| 5.2.4 DDM模型的求解 | 第64-66页 |
| 5.3 基于分布式决策的微电网群控调度层次模型 | 第66-68页 |
| 5.3.1 问题背景 | 第66-67页 |
| 5.3.2 微电网群控调度的DDM优化模型 | 第67-68页 |
| 5.4 基于系统智能思想的新型优化算法-PS2O | 第68-89页 |
| 5.4.1 复杂适应系统的协同进化 | 第68-69页 |
| 5.4.2 系统智能思想 | 第69-71页 |
| 5.4.3 基于系统智能思想的PS2O算法 | 第71-73页 |
| 5.4.4 实验研究 | 第73-89页 |
| 5.5 微电网群控调度DDM模型的PS2O算法求解 | 第89-92页 |
| 5.5.1 求解框架 | 第89页 |
| 5.5.2 算法步骤 | 第89-90页 |
| 5.5.3 实例研究 | 第90-92页 |
| 5.6 本章小结 | 第92-94页 |
| 结论 | 第94-96页 |
| 参考文献 | 第96-105页 |
| 在学研究成果 | 第105-107页 |
| 致谢 | 第107页 |