| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 选题背景及研究意义 | 第9-11页 |
| 1.2 全电驱船舶电力推进技术研究现状 | 第11-15页 |
| 1.2.1 全电驱船舶电力推进系统简介 | 第12-14页 |
| 1.2.2 船舶电力推进系统应用现状 | 第14-15页 |
| 1.3 全电驱船舶电网研究现状 | 第15-16页 |
| 1.3.1 储能优化配置研究现状 | 第15-16页 |
| 1.3.2 全电驱船舶电网能量管理策略研究现状 | 第16页 |
| 1.4 本文主要工作 | 第16-19页 |
| 2 全电驱船舶光-柴-储电网分析 | 第19-31页 |
| 2.1 船舶基本情况及电网模型 | 第19-21页 |
| 2.1.1 船舶基本情况分析 | 第19-20页 |
| 2.1.2 船舶电网模型建立 | 第20-21页 |
| 2.2 船舶负荷情况分析 | 第21-27页 |
| 2.2.1 船舶的用电设备分析 | 第21-22页 |
| 2.2.2 负荷随机性分析 | 第22-27页 |
| 2.3 船舶航程路线上光照情况分析 | 第27-29页 |
| 2.3.1 船舶光伏系统分析 | 第27页 |
| 2.3.2 光照随机性分析 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 船舶光照和负荷随机场景分析 | 第31-43页 |
| 3.1 基于切片抽样的随机场景生成 | 第31-34页 |
| 3.1.1 切片抽样方法及验证 | 第31-32页 |
| 3.1.2 太阳辐射强度和负荷随机性场景分析 | 第32-34页 |
| 3.2 自适应多阶段聚类算法 | 第34-41页 |
| 3.2.1 AM-PCM聚类算法 | 第34-37页 |
| 3.2.2 自适应多阶段聚类算法 | 第37-40页 |
| 3.2.3 自适应多阶段聚类算法性能测试 | 第40-41页 |
| 3.3 基于自适应多阶段聚类算法的船舶随机场景简化 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 储能系统优化配置及船舶能量优化管理 | 第43-58页 |
| 4.1 储能系统优化配置 | 第43-52页 |
| 4.1.1 储能系统优化配置影响因素 | 第43-44页 |
| 4.1.2 储能系统类型的选择 | 第44-45页 |
| 4.1.3 基于随机场景的储能容量优化模型 | 第45-48页 |
| 4.1.4 基于多目标粒子群算法的模型求解 | 第48-49页 |
| 4.1.5 储能系统优化结果对比验证 | 第49-52页 |
| 4.2 船舶能量优化管理策略 | 第52-56页 |
| 4.2.1 船舶能量优化管理模型 | 第52-54页 |
| 4.2.2 基于多目标粒子群的模型求解 | 第54-55页 |
| 4.2.3 船舶能量优化管理结果对比验证 | 第55-56页 |
| 4.3 本章小结 | 第56-58页 |
| 5 结论与展望 | 第58-60页 |
| 5.1 本文主要工作总结 | 第58-59页 |
| 5.2 本文的不足及后续工作 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65页 |
| A 作者在攻读硕士学位期间发表的论文目录 | 第65页 |
| B 作者在攻读硕士学位期间参与的科研项目 | 第65页 |