| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-20页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 无功优化在国内外的发展及研究现状 | 第10-18页 |
| 1.2.1 无功优化的特征 | 第10-11页 |
| 1.2.2 无功优化方法的多样性 | 第11页 |
| 1.2.3 传统的无功优化算法 | 第11-15页 |
| 1.2.4 人工智能算法 | 第15-18页 |
| 1.3 本文的主要研究工作 | 第18-20页 |
| 2 电力系统无功优化的数学模型 | 第20-24页 |
| 2.1 引言 | 第20页 |
| 2.2 无功优化的数学模型 | 第20-21页 |
| 2.3 本文选取的目标函数 | 第21-22页 |
| 2.4 无功优化中的约束条件 | 第22-23页 |
| 2.4.1 不等式约束条件 | 第22页 |
| 2.4.2 等式约束条件 | 第22-23页 |
| 2.5 小结 | 第23-24页 |
| 3 粒子群优化算法及改进粒子群算法 | 第24-39页 |
| 3.1 粒子群算法（PSO） | 第24-27页 |
| 3.1.1 粒子群算法的基本原理 | 第24-25页 |
| 3.1.2 粒子群算法的实现流程 | 第25-27页 |
| 3.1.3 标准粒子群算法（SPSO） | 第27页 |
| 3.2 粒子群算法的改进 | 第27-32页 |
| 3.2.1 粒子群算法参数的改进 | 第28-31页 |
| 3.2.2 粒子群算法与其他算法的结合 | 第31-32页 |
| 3.3 本文采用的改进措施 | 第32-33页 |
| 3.4 免疫算法和粒子群算法相结合 | 第33-38页 |
| 3.4.1 生物免疫系统 | 第33页 |
| 3.4.2 免疫算法 | 第33-34页 |
| 3.4.3 免疫粒子群算法（IPSO） | 第34-36页 |
| 3.4.4 免疫算子的设计 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于免疫粒子群算法的无功优化 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 无功优化中需要注意的几个环节 | 第39-44页 |
| 4.2.1 离散变量的处理 | 第39-40页 |
| 4.2.2 适应度函数 | 第40页 |
| 4.2.3 算法结束条件 | 第40页 |
| 4.2.4 无功优化中的潮流计算方法 | 第40-44页 |
| 4.3 基于免疫粒子群算法的无功优化步骤 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 算例仿真结果分析 | 第47-64页 |
| 5.1 引言 | 第47页 |
| 5.2 IEEE14节点算例分析 | 第47-54页 |
| 5.2.1 IEEE14节点测试系统模型 | 第47-48页 |
| 5.2.2 IEEE14节点节点测试系统的各种数据 | 第48-51页 |
| 5.2.3 仿真结果分析 | 第51-54页 |
| 5.3 IEEE30节点算例分析 | 第54-62页 |
| 5.3.1 IEEE30节点测试系统模型 | 第54-55页 |
| 5.3.2 IEEE30节点节点测试系统的各种数据 | 第55-58页 |
| 5.3.3 仿真结果分析 | 第58-62页 |
| 5.4 本章小结 | 第62-64页 |
| 6 结论与展望 | 第64-66页 |
| 6.1 本文研究工作总结 | 第64-65页 |
| 6.2 下一步工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |