| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究课题背景及意义 | 第11-13页 |
| 1.1.1 不可再生能源面临的问题 | 第11页 |
| 1.1.2 可再生能源的发展现状 | 第11-12页 |
| 1.1.3 配电网现状 | 第12页 |
| 1.1.4 智能算法在配电网中的应用 | 第12-13页 |
| 1.2 课题研究现状 | 第13-14页 |
| 1.3 课题研究内容 | 第14-16页 |
| 第2章 计及DG与STATCOM的主动配电网自愈优化 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 ADN自愈建模 | 第16-17页 |
| 2.3 配电网的经典潮流计算法 | 第17-18页 |
| 2.4 ADN新潮流算法 | 第18-20页 |
| 2.4.1 含DG的潮流计算 | 第18-19页 |
| 2.4.2 含STATCOM的潮流计算 | 第19-20页 |
| 2.5 GA的改进及在ADN自愈中的应用 | 第20-29页 |
| 2.5.1 编码的改进 | 第21-22页 |
| 2.5.2 初始化操作的改进 | 第22-23页 |
| 2.5.3 选择操作 | 第23-24页 |
| 2.5.4 交叉操作的改进 | 第24页 |
| 2.5.5 变异操作的改进 | 第24-25页 |
| 2.5.6 采用云模型改进交叉率与变异率 | 第25-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第3章 计及ICPR可靠性的基于Q学习算法的多目标有功调度 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 经济/排放量调度 | 第31-33页 |
| 3.2.1 变量 | 第31-32页 |
| 3.2.2 多目标函数 | 第32-33页 |
| 3.2.3 约束 | 第33页 |
| 3.3 Q学习算法在EED中的应用 | 第33-34页 |
| 3.3.1 路径值 | 第34页 |
| 3.3.2 动作选择 | 第34页 |
| 3.3.3 Pareto回报与Q值更新 | 第34页 |
| 3.4. 基于模糊的解析算法 | 第34-35页 |
| 3.5. 仿真 | 第35-39页 |
| 3.6. 本章小结 | 第39-41页 |
| 第4章 基于FA的主动配电网调度优化研究 | 第41-50页 |
| 4.1 引言 | 第41-42页 |
| 4.2 ADN建模 | 第42-43页 |
| 4.2.1 WG建模 | 第42页 |
| 4.2.2 ESS建模 | 第42-43页 |
| 4.2.3 目标函数 | 第43页 |
| 4.3 FA在ADN调度中的应用 | 第43-45页 |
| 4.4 算例分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58页 |