| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 所属研究方向的研究现状与发展趋势 | 第11-13页 |
| 1.2.2 智能电网下多电源协同优化的目标 | 第13-14页 |
| 1.2.3 多种发电方式的特性分析以及模型约束条件 | 第14-15页 |
| 1.2.4 协同优化算法 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 第2章 智能电网下发电侧电源相关介绍 | 第18-28页 |
| 2.1 智能电网介绍 | 第18页 |
| 2.2 发电侧电源及其并网的相关介绍 | 第18-27页 |
| 2.2.1 风力发电场 | 第19-21页 |
| 2.2.2 光伏电站 | 第21-23页 |
| 2.2.3 储能电站 | 第23-25页 |
| 2.2.4 燃煤火电机组 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 智能电网调度中的不确定性分析 | 第28-35页 |
| 3.1 引言 | 第28页 |
| 3.2 风电功率和风速之间的关系 | 第28-29页 |
| 3.3 对不确定性风能和光能数据的处理思路 | 第29-31页 |
| 3.4 风电功率的预测 | 第31-34页 |
| 3.4.1 物理方法 | 第31页 |
| 3.4.2 统计方法 | 第31-34页 |
| 3.4.3 混合方法 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 风光储火多电源协同优化调度建模及优化算法 | 第35-43页 |
| 4.1 机组优化应该考虑的因素 | 第35-36页 |
| 4.1.1 机组煤耗特性 | 第35页 |
| 4.1.2 机组启停成本 | 第35-36页 |
| 4.2 风光储火多源互补系统调度模型 | 第36-39页 |
| 4.2.1 目标函数 | 第36-37页 |
| 4.2.2 约束条件 | 第37-39页 |
| 4.3 粒子群优化算法(PSO)进行多电源间协同优化调度 | 第39-40页 |
| 4.4 HCOS算法 | 第40-43页 |
| 4.4.1 算法流程图 | 第41页 |
| 4.4.2 计算步骤 | 第41-43页 |
| 第5章 基于遗传粒子群算法的多目标优化调度算法 | 第43-47页 |
| 5.1 基本数据与参数 | 第43页 |
| 5.2 HCOS算法运行结果 | 第43-44页 |
| 5.3 PSO算法运行结果 | 第44-45页 |
| 5.4 两种优化算法结果对比 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第6章 总结与展望 | 第47-49页 |
| 6.1 结论与创新点 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54页 |