| 论文创新点 | 第4-10页 |
| 摘要 | 第10-12页 |
| Abstract | 第12-13页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 风功率预测研究现状 | 第16-21页 |
| 1.2.1 风功率预测分类及研究意义 | 第17-18页 |
| 1.2.2 风功率预测方法研究现状 | 第18-19页 |
| 1.2.3 风功率预测系统开发现状 | 第19-21页 |
| 1.3 含风电电力系统调度研究现状 | 第21-25页 |
| 1.3.1 含风电调度模型研究现状 | 第21-23页 |
| 1.3.2 调度优化方法研究现状 | 第23-25页 |
| 1.4 存在的问题 | 第25-26页 |
| 1.5 本文主要工作 | 第26-29页 |
| 第2章 基于集合经验模态分解和小波神经网络的短期风功率组合预测 | 第29-43页 |
| 2.1 引言 | 第29-30页 |
| 2.2 基本理论知识 | 第30-35页 |
| 2.2.1 集合经验模态分解 | 第30-31页 |
| 2.2.2 相空间重构 | 第31-32页 |
| 2.2.3 小波神经网络预测模型 | 第32-35页 |
| 2.3 预测模型整体建模流程 | 第35页 |
| 2.4 实例分析 | 第35-42页 |
| 2.4.1 样本选择与处理 | 第35-39页 |
| 2.4.2 预测结果评价指标 | 第39页 |
| 2.4.3 预测结果分析 | 第39-41页 |
| 2.4.4 预测结果改进 | 第41-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 基于模型学习效果反馈和功率曲线的风功率预测 | 第43-59页 |
| 3.1 引言 | 第43-44页 |
| 3.2 基本理论知识 | 第44-45页 |
| 3.2.1 最小二乘支持向量机 | 第44-45页 |
| 3.3 预测模型参数综合优化 | 第45-50页 |
| 3.3.1 粒子群算法 | 第45-49页 |
| 3.3.2 自适应扰动粒子群算法 | 第49-50页 |
| 3.3.3 模型学习效果反馈思想 | 第50页 |
| 3.3.4 模型参数综合优化过程 | 第50页 |
| 3.4 预测模型整体建模流程 | 第50-51页 |
| 3.5 实例研究及结果分析 | 第51-57页 |
| 3.5.1 样本选择与处理 | 第51-52页 |
| 3.5.2 预测效果评价指标 | 第52-53页 |
| 3.5.3 预测结果分析 | 第53-57页 |
| 3.6 本章小结 | 第57-59页 |
| 第4章 含风电的电力系统安全环境经济调度 | 第59-79页 |
| 4.1 引言 | 第59-60页 |
| 4.2 含风电的电力系统多目标调度建模 | 第60-62页 |
| 4.2.1 目标函数 | 第60-61页 |
| 4.2.2 约束条件 | 第61-62页 |
| 4.3 多目标调度模型求解 | 第62-70页 |
| 4.3.1 模型求解理论基础 | 第62-63页 |
| 4.3.2 模型求解预备工作 | 第63-66页 |
| 4.3.3 精英云变异反向学习多目标粒子群算法 | 第66-70页 |
| 4.4 算例分析 | 第70-77页 |
| 4.4.1 算例1 | 第70-75页 |
| 4.4.2 算例2 | 第75-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第5章 基于多目标量子人工鱼群算法的含风电电力系统动态环境经济调度 | 第79-99页 |
| 5.1 引言 | 第79页 |
| 5.2 含风电的电力系统动态环境经济调度模型 | 第79-81页 |
| 5.2.1 目标函数 | 第79-80页 |
| 5.2.2 约束条件 | 第80-81页 |
| 5.3 多目标量子人工鱼群算法 | 第81-86页 |
| 5.3.1 量子人工鱼群算法基础知识 | 第82-85页 |
| 5.3.2 多目标量子人工鱼群算法的整体流程 | 第85-86页 |
| 5.4 算例分析 | 第86-98页 |
| 5.4.1 测试系统及相关参数 | 第86-89页 |
| 5.4.2 单目标调度优化 | 第89-94页 |
| 5.4.3 双目标调度优化 | 第94-97页 |
| 5.4.4 调度方案的选择 | 第97-98页 |
| 5.5 本章小结 | 第98-99页 |
| 第6章 基于混合Pareto最优解集法的广西电网节能发电调度 | 第99-115页 |
| 6.1 广西电网发电资源特性及运行状况简介 | 第99-100页 |
| 6.2 节能发电调度模型 | 第100-102页 |
| 6.2.1 调度目标 | 第100页 |
| 6.2.2 约束条件 | 第100-102页 |
| 6.3 混合Pareto最优解集法 | 第102-103页 |
| 6.4 算例分析 | 第103-113页 |
| 6.5 本章小结 | 第113-115页 |
| 第7章 总结与展望 | 第115-117页 |
| 7.1 总结 | 第115-116页 |
| 7.2 展望 | 第116-117页 |
| 参考文献 | 第117-127页 |
| 附录 | 第127-131页 |
| 攻读博士学位期间的主要科研成果目录 | 第131-133页 |
| 致谢 | 第133-134页 |
