AGC机组调配经济性的混沌遗传算法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-18页 |
| ·电力市场下AGC辅助服务概述 | 第11-12页 |
| ·国内外电力市场AGC辅助服务的现状 | 第12-15页 |
| ·国外电力市场AGC辅助服务的现状 | 第12-14页 |
| ·我国电力市场AGC辅助服务的现状和发展趋势 | 第14-15页 |
| ·电力市场中AGC机组面临的问题 | 第15-16页 |
| ·本文所做的工作 | 第16-18页 |
| 2 自动发电控制(AGC)的原理和数学模型 | 第18-27页 |
| ·自动发电控制(AGC)的基本原理 | 第18-19页 |
| ·AGC系统的总体结构 | 第18页 |
| ·AGC的控制功能 | 第18-19页 |
| ·AGC机组调配的数学模型 | 第19-22页 |
| ·AGC机组调配的数学模型 | 第19-21页 |
| ·数学模型分析 | 第21-22页 |
| ·电力市场环境下AGC需求的确定 | 第22-25页 |
| ·预测误差分析 | 第22-24页 |
| ·由计划数据确定调节容量和调节速率 | 第24页 |
| ·历史数据确定调节容量和调节速率 | 第24-25页 |
| ·本文AGC优化算法的选择 | 第25-27页 |
| 3 标准遗传算法在AGC机组调配中的实现 | 第27-39页 |
| ·遗传算法简介 | 第27-30页 |
| ·什么是遗传算法 | 第27-28页 |
| ·遗传算法概要 | 第28-29页 |
| ·遗传算法应用领域 | 第29-30页 |
| ·标准遗传算法优化机组调配的实现 | 第30-37页 |
| ·引言 | 第30-31页 |
| ·编码方法和种群选择 | 第31-32页 |
| ·适应度函数的选取 | 第32-34页 |
| ·选择算子的选择 | 第34-35页 |
| ·交叉算子的选择 | 第35-36页 |
| ·变异算子的选择 | 第36页 |
| ·遗传算法参数的设定 | 第36-37页 |
| ·小结 | 第37-39页 |
| 4 混沌遗传算法在AGC机组调配中的实现 | 第39-49页 |
| ·标准遗传算法的局限性 | 第39-40页 |
| ·混沌遗传算法 | 第40-44页 |
| ·混沌及其运动性质 | 第40-41页 |
| ·混沌优化算法 | 第41-43页 |
| ·电力系统中的混沌研究与混沌应用 | 第43-44页 |
| ·混沌遗传算法用于机组调配的具体操作和改进 | 第44-48页 |
| ·编码设计 | 第44-45页 |
| ·初始种群的混沌生成 | 第45-46页 |
| ·交叉算子设计 | 第46页 |
| ·变异算子设计 | 第46-47页 |
| ·优秀个体的混沌优化 | 第47-48页 |
| ·小结 | 第48-49页 |
| 5 模拟仿真结果 | 第49-62页 |
| ·标准遗传算法对AGC机组调配问题求解 | 第49-56页 |
| ·对东北局AGC机组的算例分析 | 第50-53页 |
| ·对安徽省区域电网AGC机组的算例分析 | 第53-56页 |
| ·混沌遗传算法对AGC机组调配问题求解 | 第56-61页 |
| ·对东北局AGC机组的算例分析 | 第56-59页 |
| ·对安徽省区域电网AGC机组的算例分析 | 第59-61页 |
| ·结论:标准遗传算法和混沌遗传算法的比较 | 第61-62页 |
| 6 网络约束下的AGC机组优化调配 | 第62-71页 |
| ·引言 | 第62页 |
| ·直流潮流 | 第62-63页 |
| ·网络约束下AGC机组的经济调度 | 第63-64页 |
| ·算例分析 | 第64-71页 |
| 7 结论及展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 附录 A | 第75-76页 |
| 附录 B | 第76-80页 |
| 附录 C | 第80-82页 |
| 作者简历 | 第82-84页 |
| 学位论文数据集 | 第84页 |
