| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 论文研究背景及意义 | 第8-9页 |
| 1.2 风电的发展现状 | 第9-11页 |
| 1.3 电力系统机组优化调度研究现状 | 第11-14页 |
| 1.3.1 电力系统机组优化调度的模型 | 第11-12页 |
| 1.3.2 电力系统机组优化调度模型的求解算法 | 第12-14页 |
| 1.4 含风电场电力系统机组优化调度研究现状 | 第14-17页 |
| 1.4.1 风电接入电网后机组调度的模型建立方法 | 第14-16页 |
| 1.4.2 风电接入电网后机组调度模型的求解算法 | 第16-17页 |
| 1.5 本文主要研究内容 | 第17-18页 |
| 2 计及预测不确定性的负荷和风电功率的多场景模型 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 负荷的不确定性模型 | 第18-20页 |
| 2.2.1 负荷不确定的产生 | 第18-19页 |
| 2.2.2 计及预测不确定性的负荷模型 | 第19-20页 |
| 2.3 风电功率的不确定性模型 | 第20-21页 |
| 2.3.1 风电功率的预测误差分布 | 第20-21页 |
| 2.3.2 基于经验分布函数的风电功率不确定性模型 | 第21页 |
| 2.4 基于拉丁超立方抽样的负荷和风电功率预测误差抽样技术 | 第21-24页 |
| 2.4.1 负荷预测误差场景的抽样 | 第21-23页 |
| 2.4.2 风电功率预测误差场景的抽样 | 第23-24页 |
| 2.5 基于同步回代削减法的负荷及风电功率联合多时段场景模型 | 第24-25页 |
| 2.6 算例分析 | 第25-31页 |
| 2.6.1 负荷预测误差的拉丁超立方抽样 | 第26-28页 |
| 2.6.2 负荷及风电功率的联合多时段场景 | 第28-31页 |
| 2.7 小结 | 第31-33页 |
| 3 计及负荷和风电功率预测不确定性影响的机组优化调度 | 第33-51页 |
| 3.1 引言 | 第33页 |
| 3.2 计及预测不确定性的机组优化调度模型 | 第33-37页 |
| 3.2.1 目标函数 | 第33-35页 |
| 3.2.2 基于边界场景的旋转备用需求容量的确定 | 第35-36页 |
| 3.2.3 约束条件 | 第36-37页 |
| 3.3 基于改进的粒子群算法的模型求解 | 第37-45页 |
| 3.3.1 粒子的编码方式 | 第38页 |
| 3.3.2 常规机组最小启停时间约束条件的可行性调整 | 第38-39页 |
| 3.3.3 综合计及机组出力及系统功率平衡约束的可行性调整 | 第39-41页 |
| 3.3.4 适应度函数的构造 | 第41-42页 |
| 3.3.5 学习因子和惯性权重系数的自适应调整 | 第42页 |
| 3.3.6 机组出力区间的动态调整策略 | 第42-43页 |
| 3.3.7 算法步骤及流程 | 第43-45页 |
| 3.4 算例分析 | 第45-50页 |
| 3.4.1 机组优化调度结果 | 第46-49页 |
| 3.4.2 机组出力区间动态调整策略的求解效果对比分析 | 第49-50页 |
| 3.5 小结 | 第50-51页 |
| 4 含风电场电力系统机组优化调度的算例仿真分析 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 环境成本对电力系统机组调度的影响分析 | 第51-54页 |
| 4.2.1 环境成本的计算 | 第51-52页 |
| 4.2.2 参数取值 | 第52-53页 |
| 4.2.3 计算结果及分析 | 第53-54页 |
| 4.3 负荷预测误差对机组调度的影响分析 | 第54-58页 |
| 4.4 风电渗透率对机组调度的影响分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 结论及展望 | 第61-63页 |
| 5.1 本文研究总结 | 第61-62页 |
| 5.2 进一步研究工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 附录 | 第70页 |
| A. 作者在攻读硕士学位期间参加的科研项目 | 第70页 |
| B. 作者在攻读硕士学位期间取得的科研成果 | 第70页 |
