潮汐电站短期预测及优化调度
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及其意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 潮汐能利用现状 | 第10-11页 |
| 1.2.2 相关技术现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 潮汐能电站系统及分析 | 第14-20页 |
| 2.1 潮汐发电 | 第14-15页 |
| 2.1.1 潮汐能简介 | 第14页 |
| 2.1.2 电站开发方式 | 第14-15页 |
| 2.2 电站发电过程 | 第15-16页 |
| 2.3 潮位预测方法及难点 | 第16-18页 |
| 2.3.1 预测方法 | 第16-17页 |
| 2.3.2 预测难点 | 第17-18页 |
| 2.4 优化调度方法及难点 | 第18-19页 |
| 2.4.1 调度方法 | 第18-19页 |
| 2.4.2 调度难点 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 潮位预测 | 第20-37页 |
| 3.1 调和分析法 | 第20-21页 |
| 3.1.1 调和分析法原理 | 第20-21页 |
| 3.1.2 不足之处 | 第21页 |
| 3.2 神经网络法 | 第21-23页 |
| 3.2.1 基本原理 | 第21-22页 |
| 3.2.2 神经网络模型 | 第22-23页 |
| 3.3 一种遗传神经网络潮位预测算法 | 第23-27页 |
| 3.3.1 拓扑结构 | 第23页 |
| 3.3.2 评价指标 | 第23-24页 |
| 3.3.3 网络节点优化 | 第24-25页 |
| 3.3.4 遗传神经网络算法流程 | 第25-27页 |
| 3.4 算例分析 | 第27-35页 |
| 3.4.1 数据预处理 | 第27-29页 |
| 3.4.2 遗传神经网络预测结果 | 第29-31页 |
| 3.4.3 预测结果比较 | 第31-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 优化调度 | 第37-52页 |
| 4.1 优化调度概况 | 第37-38页 |
| 4.1.1 发电过程 | 第37页 |
| 4.1.2 调度分析 | 第37-38页 |
| 4.2 理论方法 | 第38-41页 |
| 4.2.1 动态规划法 | 第38-39页 |
| 4.2.2 最短路线法 | 第39-40页 |
| 4.2.3 粒子群算法 | 第40-41页 |
| 4.3 电站双层优化调度模型 | 第41-43页 |
| 4.3.1 第一层优化调度模型 | 第41-42页 |
| 4.3.2 第二层优化运行模型 | 第42-43页 |
| 4.4 第二层优化模型分析方法 | 第43-44页 |
| 4.4.1 罚函数处理约束条件 | 第43-44页 |
| 4.4.2 粒子群算法求解优化模型 | 第44页 |
| 4.5 优化调度工程实例 | 第44-50页 |
| 4.5.1 潮汐能电站基本资料及数据 | 第44-47页 |
| 4.5.1.1 江厦潮汐电站基本概况 | 第44-45页 |
| 4.5.1.2 水库库容曲线 | 第45-46页 |
| 4.5.1.3 电站机组特性 | 第46-47页 |
| 4.5.1.4 历年发电量 | 第47页 |
| 4.5.2 优化调度算例 | 第47-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |
