虚拟电厂多目标并行优化调度研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 课题研究背景和意义 | 第7-8页 |
| 1.2 不可控清洁能源并网发电研究概况 | 第8-10页 |
| 1.2.1 不可控清洁能源出力预测研究概况 | 第8页 |
| 1.2.2 清洁能源并网发电研究概况 | 第8-9页 |
| 1.2.3 虚拟电厂研究概况 | 第9-10页 |
| 1.3 含储热的热电联产系统 | 第10-11页 |
| 1.4 多目标群智能算法研究概况 | 第11页 |
| 1.5 多核并行计算技术研究概况 | 第11-12页 |
| 1.6 本文研究工作及创新点 | 第12-16页 |
| 第二章 虚拟电厂经济调度数学模型 | 第16-23页 |
| 2.1 热电联产机组 | 第16-17页 |
| 2.2 蓄电池组 | 第17页 |
| 2.3 目标函数 | 第17-20页 |
| 2.3.1 CO_2等温室气体排放量最少 | 第18-19页 |
| 2.3.2 VPP净收益最大 | 第19-20页 |
| 2.4 约束条件 | 第20-21页 |
| 2.4.1 热电联产机组爬坡率限制 | 第20页 |
| 2.4.2 热电联产机组最小开/停时间约束 | 第20-21页 |
| 2.4.3 供热约束 | 第21页 |
| 2.4.4 蓄电池储能约束 | 第21页 |
| 2.4.5 旋转备用约束 | 第21页 |
| 2.4.6 储热约束 | 第21页 |
| 2.4.7 热电联产机组出力约束 | 第21页 |
| 2.5 基于KS函数的约束单一化 | 第21-23页 |
| 第三章 清洁能源预测模拟 | 第23-29页 |
| 3.1 分布函数法预测模拟 | 第23-24页 |
| 3.1.1 风电出力模拟 | 第23-24页 |
| 3.1.2 光电出力模拟 | 第24页 |
| 3.2 机器学习预测模拟 | 第24-29页 |
| 3.2.1 极限学习机理论 | 第25-26页 |
| 3.2.2 极限学习机的改进策略 | 第26-27页 |
| 3.2.3 极限学习机流程图及程序 | 第27-28页 |
| 3.2.4 机组出力预测模型分析 | 第28-29页 |
| 第四章 多目标分子微分进化算法 | 第29-36页 |
| 4.1 多目标微分进化算法 | 第29-32页 |
| 4.1.1 种群初始化 | 第29页 |
| 4.1.2 计算序值和拥挤距离 | 第29-31页 |
| 4.1.3 选择操作 | 第31页 |
| 4.1.4 交叉操作 | 第31页 |
| 4.1.5 变异操作 | 第31-32页 |
| 4.1.6 种群更新 | 第32页 |
| 4.2 分子微分进化算法 | 第32-35页 |
| 4.3 多目标分子微分进化算法 | 第35-36页 |
| 第五章 并行算法设计 | 第36-47页 |
| 5.1 并行计算 | 第36-38页 |
| 5.2 并行算法设计方法 | 第38-39页 |
| 5.2.1 独立并行计算 | 第38页 |
| 5.2.2 通信并行计算 | 第38-39页 |
| 5.3 分层并行算法设计方法 | 第39-47页 |
| 5.3.1 分层并行化 | 第40-43页 |
| 5.3.2 分层并行分子微分进化算法 | 第43-44页 |
| 5.3.3 动态并行分子微分进化算法 | 第44-47页 |
| 第六章 模拟预测及优化调度算例分析 | 第47-58页 |
| 6.1 清洁能源机组出力模拟 | 第48-51页 |
| 6.1.1 分布函数法模拟 | 第48-49页 |
| 6.1.2 机器学习法模拟 | 第49-51页 |
| 6.2 寻优效果分析 | 第51-54页 |
| 6.3 VPP产热调度 | 第54-55页 |
| 6.4 VPP发电调度 | 第55-56页 |
| 6.5 VPP储能系统 | 第56-58页 |
| 第七章 总结及展望 | 第58-60页 |
| 7.1 研究总结 | 第58页 |
| 7.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 个人简历 在读期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
