| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要工作及章节安排 | 第11-13页 |
| 第二章 光柴储微电网多目标优化数学模型 | 第13-26页 |
| 2.1 微电网结构 | 第13-15页 |
| 2.1.1 直流微电网 | 第13页 |
| 2.1.2 交流微电网 | 第13-14页 |
| 2.1.3 交直流混合微电网 | 第14-15页 |
| 2.2 微电源的数学模型 | 第15-18页 |
| 2.2.1 光伏发电数学模型 | 第15-16页 |
| 2.2.2 锂电池数学模型 | 第16-18页 |
| 2.2.3 柴油发电机数学模型 | 第18页 |
| 2.3 微电网多目标优化运行数学模型 | 第18-25页 |
| 2.3.1 目标函数一:经济成本最低 | 第19-20页 |
| 2.3.2 目标函数二:环境成本最低 | 第20-22页 |
| 2.3.3 目标函数三:失负荷概率最小 | 第22-23页 |
| 2.3.4 约束条件 | 第23-24页 |
| 2.3.5 约束处理方法 | 第24页 |
| 2.3.6 多目标优化问题 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 Pareto档案多目标粒子群优化算法研究及测试 | 第26-46页 |
| 3.1 多目标优化方法 | 第26-30页 |
| 3.1.1 传统多目标优化算法 | 第26-27页 |
| 3.1.2 智能多目标优化算法 | 第27-30页 |
| 3.2 基本粒子群算法 | 第30-31页 |
| 3.3 Pareto档案多目标粒子群优化算法 | 第31-35页 |
| 3.3.1 外部档案维护和gbest选取的混合过程 | 第32-33页 |
| 3.3.2 PAMOPSO原理 | 第33-35页 |
| 3.4 带精英策略的非支配排序遗传算法 | 第35-37页 |
| 3.5 算法测试与分析 | 第37-44页 |
| 3.5.1 算法性能度量指标 | 第37-38页 |
| 3.5.2 测试函数 | 第38-39页 |
| 3.5.3 测试结果分析 | 第39-44页 |
| 3.6 最优解的选取 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 光柴储微电网多目标优化数学模型求解及分析 | 第46-72页 |
| 4.1 研究对象及场景设定 | 第46-48页 |
| 4.2 光伏阵列输出功率预测 | 第48-56页 |
| 4.3 负荷预测 | 第56-61页 |
| 4.3.1 负荷百分比曲线 | 第56页 |
| 4.3.2 置信区间理论 | 第56-57页 |
| 4.3.3 预测最大负荷值 | 第57-58页 |
| 4.3.4 预测分析 | 第58-61页 |
| 4.4 双目标优化 | 第61-67页 |
| 4.5 三目标优化 | 第67-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72页 |
| 5.2 展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间发表的学术论文 | 第80页 |