| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 引言 | 第12页 |
| 1.2 选题背景 | 第12页 |
| 1.3 随机最优潮流发展及研究现状 | 第12-19页 |
| 1.3.1 随机最优潮流求解方法 | 第15-19页 |
| 1.4 随机最优潮流应用 | 第19页 |
| 1.5 本论文主要工作 | 第19-22页 |
| 第二章 粒子群算法及其在电力系统中的应用 | 第22-34页 |
| 2.1 优化算法选取 | 第22-23页 |
| 2.2 粒子群算法 | 第23-25页 |
| 2.2.1 带惯性权重的粒子群算法 | 第24-25页 |
| 2.3 粒子群算法在电力系统中的应用 | 第25-31页 |
| 2.4 基于随机模拟的粒子群算法 | 第31-32页 |
| 2.4.1 随机模拟技术 | 第31页 |
| 2.4.2 基于随机模拟的粒子群算法 | 第31-32页 |
| 2.4.3 基于随机模拟的粒子群算法求解过程 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于粒子群算法并考虑负荷不确定的随机最优潮流 | 第34-46页 |
| 3.1 随机最优潮流模型分类 | 第34-35页 |
| 3.1.1 目标函数含期望值的随机最优潮流 | 第34页 |
| 3.1.2 目标函数不使用数学特征表示的随机最优潮流 | 第34-35页 |
| 3.1.3 随机最优潮流的扩展模型 | 第35页 |
| 3.2 负荷不确定下的随机最优潮流模型 | 第35-39页 |
| 3.2.1 随机最优潮流的机会约束规划模型 | 第35-36页 |
| 3.2.2 模型简化 | 第36-37页 |
| 3.2.3 收敛条件 | 第37页 |
| 3.2.4 PSO适应函数 | 第37-38页 |
| 3.2.5 求解方法 | 第38-39页 |
| 3.3 算例分析 | 第39-44页 |
| 3.3.1 5节点系统 | 第39-42页 |
| 3.3.2 IEE30节点系统 | 第42-44页 |
| 3.4 本章总结 | 第44-46页 |
| 第四章 基于粒子群算法并考虑负荷和电力供应端不确定的随机最优潮流 | 第46-54页 |
| 4.1 计入负荷和电力供应不确定的随机最优潮流 | 第46-50页 |
| 4.1.1 随机最优潮流的机会约束规划模型 | 第46-48页 |
| 4.1.2 模型简化 | 第48页 |
| 4.1.3 收敛条件 | 第48-49页 |
| 4.1.4 PSO适应函数 | 第49页 |
| 4.1.5 求解方法 | 第49-50页 |
| 4.2 算例分析 | 第50-53页 |
| 4.2.1 5节点系统 | 第50-52页 |
| 4.2.2 IEE30节点系统 | 第52-53页 |
| 4.3 本章总结 | 第53-54页 |
| 第五章 基于粒子群算法并考虑负荷相关性的随机最优潮流 | 第54-66页 |
| 5.1 考虑负荷相关性的随机最优潮流 | 第54-57页 |
| 5.1.1 随机最优潮流的机会约束规划模型 | 第54-55页 |
| 5.1.2 模型简化 | 第55-56页 |
| 5.1.3 收敛条件 | 第56页 |
| 5.1.4 PSO适应函数 | 第56页 |
| 5.1.5 求解方法 | 第56-57页 |
| 5.2 对相关系数的处理 | 第57-59页 |
| 5.2.1 具有相关性的输入变量转换 | 第58-59页 |
| 5.3 算例分析 | 第59-63页 |
| 5.3.1 5节点系统 | 第59-61页 |
| 5.3.2 IEE30节点系统 | 第61-63页 |
| 5.4 本章总结 | 第63-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 附录 (研究生期间发表的论文及参与的科研项目) | 第76页 |
| 一、研究生期间发表论文 | 第76页 |
| 二、研究生期间参加科研项目 | 第76页 |
