| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 含分布式发电配电网无功优化的研究现状 | 第10-14页 |
| 1.2.1 传统优化方法 | 第11-12页 |
| 1.2.2 人工智能优化算法 | 第12-14页 |
| 1.2.3 混合优化算法 | 第14页 |
| 1.3 本文主要研究的内容 | 第14-16页 |
| 第二章 分布式发电并入配电网的影响 | 第16-31页 |
| 2.1 分布式发电系统 | 第16页 |
| 2.2 DG的主要类型及并网方式 | 第16-20页 |
| 2.2.1 太阳能光伏发电 | 第16-17页 |
| 2.2.2 风力发电技术 | 第17-18页 |
| 2.2.3 燃料电池发电技术 | 第18页 |
| 2.2.4 生物质能发电 | 第18-19页 |
| 2.2.5 DG的并网方式 | 第19-20页 |
| 2.3 DG并网对潮流计算的影响 | 第20-22页 |
| 2.4 DG并网对配电网电压的影响 | 第22-27页 |
| 2.4.1 不含DG配电网电压分析 | 第22-23页 |
| 2.4.2 单个DG并网时的影响 | 第23-25页 |
| 2.4.3 多DG并网的影响 | 第25-27页 |
| 2.5 DG并网对配电网网损的影响 | 第27-30页 |
| 2.5.1 DG并网对配电网网损的影响分析 | 第27-28页 |
| 2.5.2 DG并网位置对网损的影响 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 含分布式发电配电网潮流计算 | 第31-41页 |
| 3.1 配电网潮流计算基本概念 | 第31页 |
| 3.2 配电网潮流计算的种类 | 第31-33页 |
| 3.2.1 母线类算法 | 第31页 |
| 3.2.2 牛顿类算法 | 第31-32页 |
| 3.2.3 支路类潮流算法 | 第32-33页 |
| 3.3 含DG配电网潮流计算方法 | 第33-40页 |
| 3.3.1 DG的接口模型 | 第33-36页 |
| 3.3.2 DG在配电网潮流计算中的处理 | 第36-38页 |
| 3.3.3 含DG配电网潮流计算方法及步骤 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于PSO-ACO混合算法含DG配电网无功优化研究 | 第41-53页 |
| 4.1 含DG配电网无功优化 | 第41-44页 |
| 4.1.1 含DG配电网无功优化的基本概念 | 第41页 |
| 4.1.2 含DG配电网无功优化的措施 | 第41-43页 |
| 4.1.3 含DG配电网无功优化的数学模型 | 第43-44页 |
| 4.2 基本粒子群算法 | 第44-47页 |
| 4.2.1 基本粒子群算法简介 | 第44页 |
| 4.2.2 基本粒子群算法原理 | 第44-45页 |
| 4.2.3 基本粒子群算法的流程 | 第45-47页 |
| 4.3 蚁群算法 | 第47-49页 |
| 4.3.1 蚁群算法的基本介绍 | 第47页 |
| 4.3.2 蚁群算法的基本原理 | 第47-48页 |
| 4.3.3 蚁群算法的流程 | 第48-49页 |
| 4.4 PSO-ACO混合算法 | 第49-52页 |
| 4.4.1 混合PSO-ACO算法的基本原理 | 第49-50页 |
| 4.4.2 前期PSO算法全局搜索 | 第50页 |
| 4.4.3 后期ACO算法寻找最优值 | 第50页 |
| 4.4.4 混合PSO-ACO算法的流程 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 系统仿真及结果分析 | 第53-62页 |
| 5.1 系统仿真的基本参数 | 第53-54页 |
| 5.2 含DG配电网无功优化仿真及结果分析 | 第54-61页 |
| 5.2.1 单个DG配电网无功优化 | 第54-57页 |
| 5.2.2 多DG配电网无功优化 | 第57-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68页 |