| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 分布式电源 | 第12-15页 |
| 1.2.1 太阳能发电 | 第13页 |
| 1.2.2 风力发电 | 第13页 |
| 1.2.3 燃料电池发电 | 第13-14页 |
| 1.2.4 燃气轮机发电 | 第14页 |
| 1.2.5 海洋能发电 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-16页 |
| 1.3.1 国内分布式发电研究现状 | 第15页 |
| 1.3.2 国外分布式发电发展现状 | 第15-16页 |
| 1.4 DG接入对配电网影响 | 第16-17页 |
| 1.5 含DG配电网优化运行中存在的主要问题 | 第17页 |
| 1.6 本文的主要工作 | 第17-19页 |
| 第二章 分布式电源配电网潮流计算 | 第19-26页 |
| 2.1 含DG的潮流计算方法 | 第19-20页 |
| 2.2 基于分布式电源输出电流的潮流计算方法 | 第20-23页 |
| 2.2.1 负荷均匀分布 | 第20-22页 |
| 2.2.2 负荷非均匀分布 | 第22-23页 |
| 2.3 系统电压偏差和网络损耗 | 第23-25页 |
| 2.3.1 系统网络损耗 | 第24-25页 |
| 2.3.2 电压偏移 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 含DG的配电网运行优化数学模型 | 第26-33页 |
| 3.1 配电网运行优化介绍 | 第26页 |
| 3.2 配电网运行优化目标函数 | 第26-29页 |
| 3.2.1 网络损耗最小 | 第27页 |
| 3.2.2 节点电压偏移最小 | 第27页 |
| 3.2.3 电压最优 | 第27-28页 |
| 3.2.4 负荷最优 | 第28-29页 |
| 3.3 约束条件 | 第29-30页 |
| 3.3.1 等式约束条件 | 第29页 |
| 3.3.2 不等式约束条件 | 第29-30页 |
| 3.4 本文选用的配电网运行优化模型 | 第30-32页 |
| 3.4.1 目标函数 | 第30-31页 |
| 3.4.2 网络约束条件 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 含分布式电源的配电网优化算法 | 第33-40页 |
| 4.1 启发式优化算法 | 第33页 |
| 4.1.1 最优流模式算法 | 第33页 |
| 4.1.2 支路交换算法 | 第33页 |
| 4.2 人工智能算法 | 第33-35页 |
| 4.2.1 遗传算法 | 第34页 |
| 4.2.2 免疫算法 | 第34页 |
| 4.2.3 粒子群优化算法 | 第34-35页 |
| 4.2.4 禁忌搜索法 | 第35页 |
| 4.3 多目标下分布式电源优化控制算法 | 第35-38页 |
| 4.3.1 NSGA-Ⅱ算法简述 | 第35-36页 |
| 4.3.2 改进的NSGA-Ⅱ算法 | 第36-38页 |
| 4.3.3 基于NSGA-Ⅱ算法的DG优化控制 | 第38页 |
| 4.4 本章小结 | 第38-40页 |
| 第五章 算例分析 | 第40-49页 |
| 5.1 简单9节点配电系统分析 | 第40-43页 |
| 5.1.1 网络损耗最小 | 第41-42页 |
| 5.1.2 电压偏移最小 | 第42-43页 |
| 5.2 基于改进的NSGA-Ⅱ算法IEEE33算例分析 | 第43-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 结论与展望 | 第49-51页 |
| 6.1 论文总结 | 第49-50页 |
| 6.2 研究的不足与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |