| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及其意义 | 第8-10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.2.1 大用户直接参与电力市场的交易策略研究现状 | 第10-11页 |
| 1.2.2 含分布式电源的大用户参与电力交易研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12-14页 |
| 第二章 大用户直接参与电力市场交易的相关问题概述 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 大用户直接参与电力市场的交易机制 | 第14-17页 |
| 2.2.1 交易模式 | 第14-16页 |
| 2.2.2 交易类型 | 第16-17页 |
| 2.3 大用户直接参与多种交易市场风险因素分析 | 第17-20页 |
| 2.3.1 风险的概述 | 第17-18页 |
| 2.3.2 金融风险因素 | 第18-20页 |
| 2.4 含分布式电源的大用户直接参与多种交易市场风险因素分析 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 直购电环境下基于CVaR-信息熵的大用户购电策略研究 | 第22-40页 |
| 3.1 引言 | 第22-23页 |
| 3.2 大用户购电成本分析 | 第23-24页 |
| 3.2.1 日前市场 | 第23页 |
| 3.2.2 直购电交易市场 | 第23页 |
| 3.2.3 电力期权市场 | 第23-24页 |
| 3.2.4 自备电厂 | 第24页 |
| 3.3 大用户购电风险度量 | 第24-27页 |
| 3.3.1 信息熵度量 | 第24-26页 |
| 3.3.2 CVaR度量 | 第26-27页 |
| 3.4 基于CVaR-信息熵的大用户购电组合优化模型 | 第27-31页 |
| 3.4.1 目标函数 | 第27页 |
| 3.4.2 约束条件 | 第27-28页 |
| 3.4.3 采用模糊多目标粒子群算法的大用户购电组合优化 | 第28-31页 |
| 3.5 算例分析 | 第31-39页 |
| 3.5.1 基本数据 | 第31-32页 |
| 3.5.2 权重系数对大用户购电决策的影响 | 第32-34页 |
| 3.5.3 日前市场波动程度对大用户购电决策的影响 | 第34-35页 |
| 3.5.4 电力期权合同价格参数对大用户购电决策的影响 | 第35-38页 |
| 3.5.5 机会约束置信水平对大用户购电决策的影响 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 直购电环境下含风光储的大用户日前市场购售电策略研究 | 第40-59页 |
| 4.1 引言 | 第40页 |
| 4.2 风光储建模 | 第40-43页 |
| 4.2.1 分布式风力发电模型 | 第40-41页 |
| 4.2.2 分布式光伏发电模型 | 第41-42页 |
| 4.2.3 蓄电池储能模型 | 第42-43页 |
| 4.3 多场景技术 | 第43-45页 |
| 4.3.1 拉丁超立方抽样 | 第43页 |
| 4.3.2 场景削减 | 第43-45页 |
| 4.4 收益分析与风险度量 | 第45-47页 |
| 4.4.1 收益分析 | 第45-46页 |
| 4.4.2 风险度量 | 第46-47页 |
| 4.5 日前市场电能交易决策优化模型 | 第47-50页 |
| 4.5.1 数学模型 | 第47-49页 |
| 4.5.2 模型求解 | 第49-50页 |
| 4.6 算例分析 | 第50-58页 |
| 4.6.1 基本数据 | 第50-53页 |
| 4.6.2 优化结果与分析 | 第53-58页 |
| 4.7 本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 在学期间的研究成果以及发表的学术论文 | 第67页 |
