可再生能源发电预测及微电网能量管理的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源及意义 | 第10-11页 |
| 1.2 微电网研究动态 | 第11-17页 |
| 1.2.1 微电网国内外的研究现状 | 第11-13页 |
| 1.2.2 微电网能量优化管理研究现状 | 第13-17页 |
| 1.3 本论文的主要工作 | 第17-18页 |
| 第2章 微电网能量管理系统模型 | 第18-28页 |
| 2.1 微电网的组成结构及技术特点 | 第18-20页 |
| 2.2 分布式发电技术及特性 | 第20-25页 |
| 2.2.1 风力发电 | 第20-21页 |
| 2.2.2 光伏发电 | 第21-22页 |
| 2.2.3 微型燃气轮机 | 第22-23页 |
| 2.2.4 燃料电池 | 第23页 |
| 2.2.5 储能单元 | 第23-25页 |
| 2.3 微电网能量管理及调度模型 | 第25-27页 |
| 2.3.1 微电网能量管理模型 | 第25-26页 |
| 2.3.2 微电网能量调度 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 可再生能源发电与负荷预测 | 第28-45页 |
| 3.1 输入数据的预处理 | 第28-29页 |
| 3.2 基于数据挖掘的相似特征提取 | 第29-32页 |
| 3.2.1 聚类特征的提取 | 第29-30页 |
| 3.2.2 聚类算法的选择 | 第30-32页 |
| 3.2.3 相似度判别方法 | 第32页 |
| 3.3 原始功率信号的变分模态分解 | 第32-34页 |
| 3.4 自适应差分进化学习机预测模型 | 第34-39页 |
| 3.4.1 极限学习机算法 | 第35-36页 |
| 3.4.2 自适应差分进化极限学习机算法 | 第36-39页 |
| 3.5 算例分析 | 第39-44页 |
| 3.5.1 算例描述 | 第39-41页 |
| 3.5.2 算例结果 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 微电网能量优化管理策略 | 第45-63页 |
| 4.1 引言 | 第45页 |
| 4.2 储能SOC估算方法 | 第45-49页 |
| 4.2.1 蓄电池储能SOC定义 | 第45-46页 |
| 4.2.2 基于OS-ELM的SOC估算 | 第46-49页 |
| 4.3 微电网多目标能量优化管理策略 | 第49-56页 |
| 4.3.1 构建多目标优化函数 | 第50-52页 |
| 4.3.2 多目标优化问题描述 | 第52-54页 |
| 4.3.3 NSGA-Ⅱ多目标遗传算法 | 第54-55页 |
| 4.3.4 TOPSIS策略 | 第55-56页 |
| 4.4 算例分析 | 第56-62页 |
| 4.4.1 算例参数设定 | 第56-58页 |
| 4.4.2 算例结果 | 第58-62页 |
| 4.5 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70页 |
