电动汽车参与的家庭用电负荷优化策略研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 需求响应国内外研究现状 | 第13-15页 |
| 1.2.1 需求响应国外研究现状 | 第13-14页 |
| 1.2.2 需求响应国内研究现状 | 第14-15页 |
| 1.3 家庭智能用电系统研究现状 | 第15页 |
| 1.4 本文的主要研究内容 | 第15-17页 |
| 第二章 家庭智能用电系统与关键技术 | 第17-34页 |
| 2.1 AMI系统结构 | 第18-20页 |
| 2.1.1 智能电能表 | 第18-19页 |
| 2.1.2 量测数据管理系统（MDMS） | 第19页 |
| 2.1.3 用户局域网络（HAN） | 第19页 |
| 2.1.4 通信网络 | 第19-20页 |
| 2.2 能源互联网系统 | 第20-26页 |
| 2.2.1 能源互联网分析 | 第20-23页 |
| 2.2.2 能源互联网的基本架构 | 第23-26页 |
| 2.3 电动汽车V2G技术 | 第26-31页 |
| 2.3.1 V2G技术分析 | 第26-27页 |
| 2.3.2 V2G技术的实现方法 | 第27-30页 |
| 2.3.3 V2G技术涉及的关键问题 | 第30-31页 |
| 2.4 能源互联网与电动汽车的联系 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于BP神经网络的短期电价预测 | 第34-47页 |
| 3.1 神经网络原理 | 第34-35页 |
| 3.2 BP神经网络 | 第35-40页 |
| 3.2.1 BP神经网络的主要特点 | 第35-39页 |
| 3.2.2 BP神经网络的优缺点 | 第39-40页 |
| 3.3 BP神经网络对短期电价预测 | 第40-43页 |
| 3.3.1 数据处理 | 第40-41页 |
| 3.3.2 确定网络拓扑结构 | 第41-43页 |
| 3.4 BP神经网络电价预测仿真与分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 家庭能源负荷建模与优化算法 | 第47-62页 |
| 4.1 家庭能源负荷建模 | 第47-57页 |
| 4.1.1 家庭用电负荷模型 | 第47-51页 |
| 4.1.2 电动汽车充电模式 | 第51-52页 |
| 4.1.3 电动汽车电池特性 | 第52页 |
| 4.1.4 电动汽车的用户行为习惯分析 | 第52-54页 |
| 4.1.5 电动汽车充放电建模 | 第54-56页 |
| 4.1.6 用户满意度模型 | 第56-57页 |
| 4.1.7 多目标优化函数模型 | 第57页 |
| 4.2 家庭能源调度优化算法 | 第57-60页 |
| 4.2.1 差值最小化算法 | 第58-60页 |
| 4.2.2 动态规划算法 | 第60页 |
| 4.3 本章小结 | 第60-62页 |
| 第五章 家庭用电优化策略仿真与结果分析 | 第62-72页 |
| 5.1 最小差值算法的仿真结果分析 | 第63-66页 |
| 5.1.1 电能消费分析 | 第63-64页 |
| 5.1.2 电动汽车的影响分析 | 第64-65页 |
| 5.1.3 用户满意度分析 | 第65-66页 |
| 5.2 动态规划算法的仿真结果分析 | 第66-70页 |
| 5.2.1 电能消费分析 | 第66-68页 |
| 5.2.2 电动汽车的影响分析 | 第68-69页 |
| 5.2.3 用电满意度分析 | 第69-70页 |
| 5.3 不同算法的仿真结果对比分析 | 第70页 |
| 5.4 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 论文的内容总结 | 第72页 |
| 6.2 工作展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 作者在攻读硕士学位期间研究成果 | 第78-79页 |
