| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景及意义 | 第11-13页 |
| 1.1.1 论文研究的背景 | 第11-12页 |
| 1.1.2 论文研究的意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 微电网经济调度研究 | 第14-19页 |
| 1.3.1 微电网经济调度模型研究 | 第14-17页 |
| 1.3.2 微源随机性问题的处理方法 | 第17-19页 |
| 1.4 本文的研究思路和主要工作 | 第19-21页 |
| 第2章 微源的数学模型及微电网经济调度模型 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 各微源的数学模型 | 第21-31页 |
| 2.2.1 风力发电机 | 第21-22页 |
| 2.2.2 光伏电池 | 第22-23页 |
| 2.2.3 柴油发电机 | 第23-25页 |
| 2.2.4 微型燃气轮机 | 第25-28页 |
| 2.2.5 燃料电池 | 第28-29页 |
| 2.2.6 储能装置 | 第29-30页 |
| 2.2.7 电锅炉 | 第30页 |
| 2.2.8 蓄热槽 | 第30-31页 |
| 2.3 微电网经济调度模型 | 第31-35页 |
| 2.3.1 目标函数 | 第32-33页 |
| 2.3.2 约束条件 | 第33-35页 |
| 第3章 微源随机性处理方法研究 | 第35-52页 |
| 3.1 引言 | 第35页 |
| 3.2 风、光功率不确定性分析 | 第35-36页 |
| 3.3 基于LHS采样的风电、光伏功率预测误差场景生成 | 第36-38页 |
| 3.4 日风、光功率场景模型 | 第38-45页 |
| 3.4.1 同步回代削减算法 | 第38-39页 |
| 3.4.2 聚类分析 | 第39-40页 |
| 3.4.3 不同削减方法得到的场景 | 第40-43页 |
| 3.4.4 考虑微源随机性的微电网经济调度研究 | 第43-45页 |
| 3.4.5 算例分析 | 第45页 |
| 3.5 双向削减技术 | 第45-52页 |
| 3.5.1 随机搜索寻优算法 | 第46-47页 |
| 3.5.2 典型场景的优劣比较及其应用 | 第47-51页 |
| 3.5.3 本章小结 | 第51-52页 |
| 第4章 基于改进PSO算法的微电网经济调度研究 | 第52-74页 |
| 4.1 引言 | 第52页 |
| 4.2 粒子群优化算法 | 第52-55页 |
| 4.2.1 粒子群算法的基本原理 | 第52-54页 |
| 4.2.2 PSO算法可以改进的参数 | 第54-55页 |
| 4.3 改进的PSO算法 | 第55-59页 |
| 4.3.1 惯性权重系数和学习因子调整 | 第55页 |
| 4.3.2 随机参数混沌化 | 第55-56页 |
| 4.3.3 基于高斯扰动的速度更新策略 | 第56页 |
| 4.3.4 粒子越界处理策略 | 第56页 |
| 4.3.5 位置矢量X_j~((k))自适应变异 | 第56-57页 |
| 4.3.6 改进PSO算法实现流程 | 第57-59页 |
| 4.4 微电网经济调度模型 | 第59-66页 |
| 4.4.1 分时电价数据表 | 第61页 |
| 4.4.2 基于不同目标函数下的调度结果及分析 | 第61-66页 |
| 4.5 微电网热电联供经济调度模型 | 第66-73页 |
| 4.5.1 引言 | 第66-67页 |
| 4.5.2 基于不同目标函数下的调度结果及分析 | 第67-73页 |
| 4.6 本章小结 | 第73-74页 |
| 第5章 结论和展望 | 第74-76页 |
| 5.1 本文工作及结论 | 第74-75页 |
| 5.2 进一步研究工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间发表的学术论文 | 第83页 |