虚拟发电厂的优化调度模型及求解
摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景 | 第10-11页 |
1.2 研究现状 | 第11-15页 |
1.2.1 分布式电源 | 第11-12页 |
1.2.2 虚拟发电厂理论研究现状 | 第12-13页 |
1.2.3 虚拟发电厂的工程实践现状 | 第13-15页 |
1.3 论文组织架构 | 第15-16页 |
第二章 虚拟发电厂优化模型 | 第16-22页 |
2.1 VPP的组成单元 | 第16-19页 |
2.1.1 常规机组 | 第16页 |
2.1.2 风力发电单元 | 第16-17页 |
2.1.3 光伏发电单元 | 第17-18页 |
2.1.4 负荷 | 第18页 |
2.1.5 其他组成单元 | 第18-19页 |
2.2 VPP的组成架构 | 第19-20页 |
2.3 VPP优化模型 | 第20-22页 |
第三章 可控机组的优化变量约简 | 第22-28页 |
3.1 优化变量约简的概念 | 第22-23页 |
3.2 调度成本外特性算法 | 第23-25页 |
3.2.1 基于优化问题求解的算法 | 第23页 |
3.2.2 基于边际成本的快速算法 | 第23-25页 |
3.3 算例 | 第25-27页 |
3.3.1 基于优化问题求解 | 第25-26页 |
3.3.2 基于边际成本的求解算法 | 第26-27页 |
3.4 本章小结 | 第27-28页 |
第四章 分布式电源的随机变量约简 | 第28-46页 |
4.1 随机变量约简的概念 | 第28-30页 |
4.2 不确定性能源的相关性 | 第30-31页 |
4.3 随机变量的聚类 | 第31-33页 |
4.3.1 聚类分析的概念 | 第31页 |
4.3.2 基于相似度运作的聚类算法 | 第31-32页 |
4.3.3 K-means聚类算法 | 第32-33页 |
4.4 基于相关矩阵的坐标表示 | 第33-36页 |
4.4.1 特征抽取的概念 | 第33-34页 |
4.4.2 多维尺度分析 | 第34-36页 |
4.5 出力预测模型 | 第36-40页 |
4.5.1 基于BP神经网络的出力预测 | 第36-37页 |
4.5.2 基于三次指数平滑的出力预测 | 第37-38页 |
4.5.3 基于方差的区间估计 | 第38-40页 |
4.5.4 模型预测误差的相关性 | 第40页 |
4.6 处理流程及算例分析 | 第40-45页 |
4.6.1 随机变量的约简 | 第41-42页 |
4.6.2 约简变量的预测模型 | 第42-43页 |
4.6.3 方差估计与相关分析 | 第43-45页 |
4.6.4 变量约简对预测误差的影响 | 第45页 |
4.7 本章小结 | 第45-46页 |
第五章 基于量子遗传算法的优化求解 | 第46-58页 |
5.1 遗传算法与量子计算简介 | 第46-47页 |
5.2 遗传算法 | 第47-49页 |
5.3 量子遗传算法 | 第49-52页 |
5.3.1 量子编码 | 第50页 |
5.3.2 染色体的测量 | 第50-51页 |
5.3.3 种群演化 | 第51-52页 |
5.4 解的编解码策略 | 第52-56页 |
5.4.1 基本遗传算法的编码 | 第52-54页 |
5.4.2 问题的转化 | 第54页 |
5.4.3 解码策略 | 第54-56页 |
5.5 QGA解优化问题的算例 | 第56-57页 |
5.6 本章小结 | 第57-58页 |
第六章 虚拟发电厂优化算例及分析 | 第58-68页 |
6.1 优化流程与算例设定 | 第58-59页 |
6.2 不确定性分布式电源出力预测 | 第59-60页 |
6.3 可控机组的优化调度 | 第60-63页 |
6.3.1 约简变量调度成本计算 | 第61-62页 |
6.3.2 调度中心决策 | 第62-63页 |
6.3.3 出力目标的再分配 | 第63页 |
6.4 连续时间段的优化问题求解 | 第63-65页 |
6.4.1 虚拟发电厂的优化调度 | 第64-65页 |
6.4.2 分布式电源的优化调度 | 第65页 |
6.5 本章小结 | 第65-68页 |
第七章 总结与展望 | 第68-70页 |
致谢 | 第70-72页 |
参考文献 | 第72-76页 |
作者简介 | 第76页 |