| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 电动汽车V2G技术 | 第10页 |
| 1.2.2 电动汽车充换电站运营模式研究 | 第10-11页 |
| 1.2.3 需求响应技术 | 第11页 |
| 1.3 论文研究内容及意义 | 第11-15页 |
| 第二章 基于时空特性的电动汽车充电需求预测 | 第15-31页 |
| 2.1 电动汽车时空特性 | 第15-18页 |
| 2.1.1 电动公交车 | 第15-16页 |
| 2.1.2 电动出租车 | 第16页 |
| 2.1.3 电动公务车 | 第16-17页 |
| 2.1.4 电动私家车 | 第17-18页 |
| 2.1.5 电动汽车充电方式和充电时序 | 第18页 |
| 2.2 基于蒙特卡洛方法的电动汽车充放电负荷时间分布特性预测 | 第18-21页 |
| 2.2.1 蒙特卡洛理论分析 | 第18-20页 |
| 2.2.2 电动汽车充电需求时间预测方法 | 第20-21页 |
| 2.3 基于出行链的电动汽车充电需求空间分布特性 | 第21-26页 |
| 2.3.1 出行链理论分析 | 第21-22页 |
| 2.3.2 电动汽车充电需求空间分布特性预测方法 | 第22-26页 |
| 2.4 算例分析 | 第26-30页 |
| 2.4.1 典型小区电动汽车充电需求时间分布仿真计算 | 第26-27页 |
| 2.4.2 北京地区电动汽车空间充电需求分布算例分析 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 充换电站运营模式及选址定容研究 | 第31-41页 |
| 3.1 电动汽车及充换电站运营模式 | 第31-34页 |
| 3.1.1 电动汽车运营模式 | 第31页 |
| 3.1.2 价值网络分析 | 第31-32页 |
| 3.1.3 充换电站运营模式 | 第32-34页 |
| 3.2 充换电站选址定容优化方法 | 第34-37页 |
| 3.2.1 基于免疫遗传算法的选址定容方法 | 第34-35页 |
| 3.2.2 加权Voronoi图 | 第35-36页 |
| 3.2.3 充换电站选址建模 | 第36-37页 |
| 3.3 算例分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 换电站电动汽车充放电控制策略 | 第41-51页 |
| 4.1 换电站经济性建模 | 第41-43页 |
| 4.2 遗传算法理论基础 | 第43-46页 |
| 4.2.1 遗传算法基本原理 | 第43-44页 |
| 4.2.2 基于遗传算法的换电站控制策略优化 | 第44-46页 |
| 4.3 算例分析 | 第46-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 充电站分时电价优化控制 | 第51-63页 |
| 5.1 充电站经济性建模 | 第52-53页 |
| 5.2 消费者激励响应模型 | 第53-58页 |
| 5.2.1 经济角度探求价格与需求量关系 | 第53-54页 |
| 5.2.2 消费者激励响应模型 | 第54-55页 |
| 5.2.3 多目标优化算法理论介绍 | 第55-56页 |
| 5.2.4 Pareto解集及相关概念 | 第56-57页 |
| 5.2.5 NSGA基本原理 | 第57-58页 |
| 5.3 算例分析 | 第58-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71页 |
