基于群智能算法的微网运行经济性优化研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景与意义 | 第11-12页 |
| 1.2 微网经济性优化国内外研究现状 | 第12-17页 |
| 1.2.1 微网国内外研究现状 | 第12-15页 |
| 1.2.2 微网经济性优化国内外研究现状 | 第15-17页 |
| 1.3 本文主要研究内容和工作 | 第17-19页 |
| 第二章 分布式电源特性分析及模型建立 | 第19-35页 |
| 2.1 分布式电源概述 | 第19页 |
| 2.2 分布式电源特性分析及模型建立 | 第19-26页 |
| 2.2.1 光伏发电系统 | 第19-21页 |
| 2.2.2 风力发电机组 | 第21-23页 |
| 2.2.3 微型燃气轮机 | 第23-24页 |
| 2.2.4 燃料电池 | 第24-26页 |
| 2.3 储能系统特性分析及模型建立 | 第26-33页 |
| 2.3.1 蓄电池主要性能参数 | 第26-27页 |
| 2.3.2 蓄电池SOC及充放电深度估算 | 第27-31页 |
| 2.3.3 蓄电池等效循环寿命估算 | 第31-32页 |
| 2.3.4 蓄电池成本模型 | 第32-33页 |
| 2.4 分布式电源在微网经济性优化中扮演角色 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 光伏发电系统发电量预测研究 | 第35-53页 |
| 3.1 基于支持向量机的短期光伏发电预测 | 第35-46页 |
| 3.1.1 支持向量机基本理论 | 第35-41页 |
| 3.1.2 基于支持向量机的短期光伏发电量预测 | 第41-44页 |
| 3.1.3 算例分析 | 第44-46页 |
| 3.2 基于相似日选取的超短期光伏发电预测 | 第46-52页 |
| 3.2.1 预测思路 | 第46页 |
| 3.2.2 权重选取方法 | 第46-47页 |
| 3.2.3 预测方法 | 第47-48页 |
| 3.2.4 算例分析 | 第48-52页 |
| 3.3 本章小结 | 第52-53页 |
| 第四章 基于多时间尺度的微网经济性优化 | 第53-77页 |
| 4.1 多时间尺度优化概述 | 第53-56页 |
| 4.1.1 多时间尺度优化结构 | 第53-54页 |
| 4.1.2 多时间尺度优化相关名词解释 | 第54-55页 |
| 4.1.3 多时间尺度优化流程 | 第55-56页 |
| 4.2 多时间尺度优化功能模块 | 第56-65页 |
| 4.2.1 日前优化模块 | 第56-58页 |
| 4.2.2 滚动优化模块 | 第58-61页 |
| 4.2.3 超短期优化模块 | 第61-63页 |
| 4.2.4 实时优化模块 | 第63-65页 |
| 4.3 优化算法 | 第65-69页 |
| 4.3.1 群智能算法性能对比 | 第65页 |
| 4.3.2 粒子群算法 | 第65-68页 |
| 4.3.3 粒子群算法具体实现 | 第68-69页 |
| 4.4 算例分析 | 第69-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 结论与展望 | 第77-79页 |
| 5.1 结论 | 第77-78页 |
| 5.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 作者简历 | 第83-87页 |
| 学位论文数据集 | 第87页 |
