| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题研究背景及意义 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 电力系统低频减载研究现状 | 第16-19页 |
| 1.2.2 温控负荷参与响应研究现状 | 第19-20页 |
| 1.3 本文的主要工作 | 第20-23页 |
| 第2章 可控负荷的选择与建模 | 第23-39页 |
| 2.1 引言 | 第23页 |
| 2.2 需求侧响应与可控负荷 | 第23-25页 |
| 2.3 负荷的分类及特性 | 第25-28页 |
| 2.3.1 常见用电负荷的分类及特性 | 第25-26页 |
| 2.3.2 城市居民负荷分类及可控负荷选择 | 第26-28页 |
| 2.4 单台电热水器的建模 | 第28-31页 |
| 2.4.1 单台热水器建模的模型推导 | 第28-30页 |
| 2.4.2 单台电热水器模型的仿真 | 第30-31页 |
| 2.5 基于自组织神经网络的电热水器聚合 | 第31-38页 |
| 2.5.1 自组织特征映射网络的基本原理 | 第32-34页 |
| 2.5.2 基于SOM的电热水器模型分类聚合 | 第34-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第3章 基于负荷预测及模糊PI下垂控制的电热水器参与减载策略 | 第39-59页 |
| 3.1 引言 | 第39页 |
| 3.2 基于LSTM网络的电热水器使用情况预测 | 第39-48页 |
| 3.2.1 LSTM的基本原理 | 第39-44页 |
| 3.2.2 基于LSTM的电热水器使用情况预测 | 第44-47页 |
| 3.2.3 基于使用情况预测的电热水器减载策略 | 第47-48页 |
| 3.3 基于模糊PID控制的电热水器减负荷策略 | 第48-58页 |
| 3.3.1 下垂控制的基本原理 | 第48-49页 |
| 3.3.2 PID控制的基本原理 | 第49-51页 |
| 3.3.3 模糊控制的基本概念 | 第51-52页 |
| 3.3.4 基于模糊PI控制的改进下垂控制方法 | 第52-56页 |
| 3.3.5 热水器减载策略的仿真验证 | 第56-58页 |
| 3.7 本章小结 | 第58-59页 |
| 第4章 基于强化学习的微电网低频减载策略 | 第59-73页 |
| 4.1 引言 | 第59页 |
| 4.2 强化学习的基本概念 | 第59-62页 |
| 4.3 基于Q算法的低频减载策略 | 第62-68页 |
| 4.3.1 环境状态集合的选取 | 第62-64页 |
| 4.3.2 动作集合的选取 | 第64页 |
| 4.3.3 Q函数的设定 | 第64-66页 |
| 4.3.4 Q学习过程 | 第66-68页 |
| 4.4 基于强化学习的微电网减载策略仿真 | 第68-70页 |
| 4.5 基于电热水器减载及强化学习减载的综合微电网低频减载策略 | 第70-71页 |
| 4.6 本章小结 | 第71-73页 |
| 第5章 结论与展望 | 第73-77页 |
| 5.1 结论 | 第73-74页 |
| 5.2 展望 | 第74-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 攻读学位期间发表的学术论文与参与的科研项目 | 第85-86页 |
| 学位论文评阅及答辩情况表 | 第86页 |