| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 主要符号表 | 第18-19页 |
| 1 绪论 | 第19-41页 |
| 1.1 中国水电系统调度维数灾问题 | 第19-26页 |
| 1.1.1 快速发展的中国水电系统 | 第19-22页 |
| 1.1.2 中国水电系统及其调度特征变化 | 第22-24页 |
| 1.1.3 维数灾是中国水电调度的巨大挑战 | 第24-26页 |
| 1.2 国内外相关研究进展与分析 | 第26-35页 |
| 1.3 关键科学问题 | 第35-37页 |
| 1.3.1 水电系统中长期优化调度的可行域辨识研究 | 第35-36页 |
| 1.3.2 水电系统中长期优化调度的并行计算研究 | 第36页 |
| 1.3.3 水电系统中长期优化调度的可建模计算研究 | 第36-37页 |
| 1.4 总体降维思路 | 第37-38页 |
| 1.5 本文主要内容及框架 | 第38-41页 |
| 2 水电系统中长期优化调度的知识规则降维方法 | 第41-58页 |
| 2.1 引言 | 第41-42页 |
| 2.2 水电系统中长期优化调度模型 | 第42-44页 |
| 2.2.1 常用目标函数 | 第42页 |
| 2.2.2 约束条件 | 第42-44页 |
| 2.3 水电系统优化调度的知识规则降维思想 | 第44-46页 |
| 2.3.1 约束优化问题的可行域 | 第44页 |
| 2.3.2 水电系统优化调度的可行域 | 第44-45页 |
| 2.3.3 基于可行域辨识的知识规则降维思想 | 第45-46页 |
| 2.4 单一水电站调度可行域动态辨识方法 | 第46-52页 |
| 2.4.1 单阶段可行域辨识方法 | 第46-51页 |
| 2.4.2 两阶段可行域辨识方法 | 第51-52页 |
| 2.4.3 多阶段可行域辨识方法 | 第52页 |
| 2.5 水电站群联合调度可行域动态辨识方法 | 第52-53页 |
| 2.6 工程实例 | 第53-56页 |
| 2.6.1 工程背景 | 第53-54页 |
| 2.6.2 计算结果及其分析 | 第54-56页 |
| 2.7 本章小结 | 第56-58页 |
| 3 水电系统中长期优化调度的并行计算降维方法 | 第58-78页 |
| 3.1 引言 | 第58-59页 |
| 3.2 经典动态规划算法串行计算 | 第59-62页 |
| 3.2.1 标准动态规划算法(DP) | 第59-60页 |
| 3.2.2 标准逐步优化算法(POA) | 第60-62页 |
| 3.3 动态规划算法并行性分析 | 第62-65页 |
| 3.3.1 DP算法并行性 | 第62-64页 |
| 3.3.2 POA算法并行性 | 第64-65页 |
| 3.4 并行计算框架及评价指标 | 第65-67页 |
| 3.4.1 Fork/Join多核并行框架 | 第65-66页 |
| 3.4.2 并行计算评价指标 | 第66-67页 |
| 3.5 并行算法的实现及其降维性能分析 | 第67-72页 |
| 3.5.1 并行动态规划算法(PDP) | 第67-69页 |
| 3.5.2 并行逐步优化算法(PPOA) | 第69-71页 |
| 3.5.3 并行算法降维性能分析 | 第71-72页 |
| 3.6 工程实例 | 第72-76页 |
| 3.6.1 PDP计算结果及其分析 | 第72-73页 |
| 3.6.2 PPOA计算结果及其分析 | 第73-76页 |
| 3.7 本章小结 | 第76-78页 |
| 4 水电系统中长期优化调度的试验设计降维方法 | 第78-106页 |
| 4.1 引言 | 第78-79页 |
| 4.2 动态规划系列算法原理分析 | 第79-84页 |
| 4.2.1 动态规划算法 | 第79-81页 |
| 4.2.2 离散微分动态规划算法 | 第81-82页 |
| 4.2.3 逐步优化算法 | 第82-84页 |
| 4.3 试验设计方法 | 第84-88页 |
| 4.3.1 正交试验设计 | 第84-86页 |
| 4.3.2 均匀试验设计 | 第86-88页 |
| 4.4 耦合试验设计的水电调度降维求解方法 | 第88-97页 |
| 4.4.1 总体降维思想 | 第88-89页 |
| 4.4.2 正交逐步优化算法(OPOA) | 第89-92页 |
| 4.4.3 正交离散微分动态规划算法(ODDDP) | 第92-94页 |
| 4.4.4 均匀动态规划算法(LDP) | 第94-97页 |
| 4.4.5 试验设计降维方法的收敛性分析 | 第97页 |
| 4.5. 工程实例 | 第97-104页 |
| 4.5.1 OPOA计算结果及其分析 | 第97-99页 |
| 4.5.2 ODDDP计算结果及其分析 | 第99-102页 |
| 4.5.3 UDP计算结果及其分析 | 第102-104页 |
| 4.6 本章小结 | 第104-106页 |
| 5 水电系统中长期优化调度的群体智能降维方法 | 第106-124页 |
| 5.1 引言 | 第106-107页 |
| 5.2 群体智能方法降维分析 | 第107-108页 |
| 5.3 改进量子粒子群优化算法(IQPSO) | 第108-115页 |
| 5.3.1 标准量子粒子群优化算法 | 第108-109页 |
| 5.3.2 混沌遍历搜索提升初始种群质量 | 第109页 |
| 5.3.3 加权更新改善种群最优位置中心 | 第109-110页 |
| 5.3.4 邻域随机搜索提高种群多样性 | 第110-111页 |
| 5.3.5 基于IQPSO算法的梯级水电站群优化调度 | 第111-112页 |
| 5.3.6 工程实例 | 第112-115页 |
| 5.4 精英集聚蛛群优化算法(ESSO) | 第115-123页 |
| 5.4.1 标准蛛群优化算法 | 第115-119页 |
| 5.4.2 精英集合动态更新策略增强方法搜索能力 | 第119页 |
| 5.4.3 种群邻域变异搜索机制提升方法勘探能力 | 第119-120页 |
| 5.4.4 基于ESSO算法的梯级水电站群优化调度 | 第120-121页 |
| 5.4.5 工程实例 | 第121-123页 |
| 5.5 本章小结 | 第123-124页 |
| 6 结论与展望 | 第124-127页 |
| 6.1 结论 | 第124-125页 |
| 6.2 创新点摘要 | 第125页 |
| 6.3 展望 | 第125-127页 |
| 参考文献 | 第127-138页 |
| 攻读博士学位期间科研项目及科研成果 | 第138-142页 |
| 致谢 | 第142-143页 |
| 作者简介 | 第143页 |
