| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 文章主要研究内容 | 第13-15页 |
| 第二章 相关背景知识介绍 | 第15-21页 |
| 2.1 能源互联网源网协同 | 第15-16页 |
| 2.2 粒子群优化算法 | 第16-19页 |
| 2.3 模型预测控制 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 面向服务的能源互联网源网协同模型 | 第21-30页 |
| 3.1 面向服务的源网协同模型 | 第21-22页 |
| 3.2 经济费用服务目标 | 第22-24页 |
| 3.2.1 产能单元经济费用 | 第22-23页 |
| 3.2.2 储能单元经济费用 | 第23页 |
| 3.2.3 与外电网交互费用 | 第23-24页 |
| 3.3 能源质量服务目标 | 第24-28页 |
| 3.3.1 指标权重的确定 | 第25-26页 |
| 3.3.2 指标模糊模型 | 第26-27页 |
| 3.3.3 能源质量综合评价 | 第27-28页 |
| 3.4 环境影响服务目标 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于排名多目标粒子群优化的能源互联网源网自适应协同机制 | 第30-44页 |
| 4.1 能源互联网源网协同 | 第30-33页 |
| 4.2 排名多目标粒子群源网自适应协同机制 | 第33-37页 |
| 4.2.1 个体最优选择机制 | 第33页 |
| 4.2.2 快速非支配排序和拥挤距离 | 第33-35页 |
| 4.2.3 基于排名的全局最优选择机制 | 第35页 |
| 4.2.4 源网自适应协同机制 | 第35-37页 |
| 4.3 实验分析 | 第37-43页 |
| 4.3.1 排名多目标粒子群优化算法分析 | 第37-39页 |
| 4.3.2 能源互联网源网自适应协同分析 | 第39-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 基于模型预测控制的能源互联网源网自适应协同机制 | 第44-59页 |
| 5.1 能源互联网源网滚动协同 | 第44-46页 |
| 5.2 模型预测控制源网自适应协同机制 | 第46-52页 |
| 5.2.1 基于改进综合学习粒子群优化算法的灰色预测方法 | 第46-50页 |
| 5.2.2 自适应反馈校正 | 第50-51页 |
| 5.2.3 源网自适应协同机制 | 第51-52页 |
| 5.3 实验分析 | 第52-58页 |
| 5.3.1 预测效果分析 | 第52-54页 |
| 5.3.2 能源互联网源网自适应协同分析 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 后续工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 附录2 攻读硕士学位期间申请的专利 | 第65-66页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |
