| 创新点 | 第6-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 1 绪论 | 第15-29页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状与存在的问题 | 第16-27页 |
| 1.2.1 经典群集智能优化算法 | 第17-18页 |
| 1.2.2 针对复杂优化问题的群集智能算法 | 第18-21页 |
| 1.2.3 电力系统建设与运营中的典型复杂优化问题 | 第21-27页 |
| 1.3 本文主要研究内容 | 第27-29页 |
| 2 复杂优化问题特性与影响分析 | 第29-37页 |
| 2.1 大规模特性及影响分析 | 第29-33页 |
| 2.1.1 解空间维度 | 第29-30页 |
| 2.1.2 大规模优化问题 | 第30页 |
| 2.1.3 大规模优化问题的“维数灾难” | 第30页 |
| 2.1.4 大规模特性的影响分析 | 第30-33页 |
| 2.2 多极值特性及影响分析 | 第33-36页 |
| 2.3 变量耦合特性及影响分析 | 第36页 |
| 2.4 本章小结 | 第36-37页 |
| 3 复杂优化问题的防早熟收敛策略 | 第37-58页 |
| 3.1 群集智能的早熟现象分析 | 第37-41页 |
| 3.1.1 单峰值函数与多峰值函数 | 第37-40页 |
| 3.1.2 粒子群算法的早熟现象分析 | 第40-41页 |
| 3.2 群集智能的防早熟策略研究 | 第41-45页 |
| 3.2.1 深度扩展记忆 | 第41-42页 |
| 3.2.2 仿人脑遗忘特性曲线 | 第42页 |
| 3.2.3 引入搜索行为的仿人粒子群算法 | 第42-44页 |
| 3.2.4 算法复杂度分析 | 第44-45页 |
| 3.3 数值仿真实验与分析 | 第45-56页 |
| 3.3.1 遗忘函数仿真分析 | 第45-47页 |
| 3.3.2 遗忘因子仿真分析 | 第47-48页 |
| 3.3.3 扩展记忆深度仿真分析 | 第48-52页 |
| 3.3.4 不同算法对比分析 | 第52-56页 |
| 3.4 本章小结 | 第56-58页 |
| 4 复杂优化问题的AM-CC通用算法框架 | 第58-68页 |
| 4.1 协同进化算法框架 | 第58-61页 |
| 4.1.1 协同进化算法框架流程 | 第58-59页 |
| 4.1.2 协同进化算法框架的缺陷分析 | 第59-61页 |
| 4.2 多参考向量的自适应协同进化算法框架 | 第61-64页 |
| 4.2.1 多参考向量自适应机制 | 第62页 |
| 4.2.2 多参考向量的交叉与更新机制 | 第62-63页 |
| 4.2.3 随机分组与动态组规模机制 | 第63-64页 |
| 4.3 多参考向量的自适应协同进化算法框架通用性分析 | 第64-66页 |
| 4.3.1 基于AM-CC框架的PSO算法 | 第64-65页 |
| 4.3.2 基于AM-CC框架的DE算法 | 第65-66页 |
| 4.3.3 基于AM-CC框架的GA算法 | 第66页 |
| 4.4 本章小结 | 第66-68页 |
| 5 复杂优化问题的AM-CCPSO优化算法 | 第68-92页 |
| 5.1 经典粒子群优化算法 | 第68-69页 |
| 5.2 AM-CCPSO优化算法 | 第69-74页 |
| 5.2.1 基于横向分割的子种群及其拓扑结构 | 第69-70页 |
| 5.2.2 基于4类“最优”及高斯分布的进化规则 | 第70-73页 |
| 5.2.3 AM-CCPSO算法复杂度分析 | 第73-74页 |
| 5.3 数值仿真实验与结果分析 | 第74-91页 |
| 5.3.1 测试函数的选取 | 第74页 |
| 5.3.2 多参考向量对算法性能的影响 | 第74-81页 |
| 5.3.3 基于4类“最优”的进化规则对算法性能的影响 | 第81-83页 |
| 5.3.4 不同算法对比实验与结果分析 | 第83-91页 |
| 5.4 本章小结 | 第91-92页 |
| 6 基于群集智能的大规模光伏系统MPPT控制 | 第92-114页 |
| 6.1 光伏电池模型及特性 | 第92-95页 |
| 6.1.1 光伏电池单指数模型 | 第92-94页 |
| 6.1.2 不同环境下的光伏电池伏安特性 | 第94-95页 |
| 6.2 大规模光伏阵列拓扑结构研究 | 第95-103页 |
| 6.2.1 基于旁路二极管与阻塞二极管的光伏阵列拓扑结构 | 第95-96页 |
| 6.2.2 基于PMCD与BVSD的大规模光伏阵列拓扑结构 | 第96-100页 |
| 6.2.3 不均匀光照下的系统仿真分析 | 第100-103页 |
| 6.3 基于群集智能的大规模光伏系统复杂光照MPPT | 第103-113页 |
| 6.3.1 基于LSGO的大规模光伏系统MPPT模型 | 第103-105页 |
| 6.3.2 基于群集智能的光伏系统MPPT仿真分析 | 第105-109页 |
| 6.3.3 基于最小控制单元的超大规模光伏阵列拓扑与MPPT控制 | 第109-113页 |
| 6.4 本章小结 | 第113-114页 |
| 7 基于群集智能的电能计量设备运维作业动态优化 | 第114-135页 |
| 7.1 电能计量设备运维作业管理需求分析 | 第114-115页 |
| 7.2 电能计量设备运维作业动态优化模型研究 | 第115-122页 |
| 7.2.1 动态优化模型的任务编解码 | 第115-116页 |
| 7.2.2 动态优化模型的目标函数 | 第116-119页 |
| 7.2.3 动态优化模型的算法编解码 | 第119-120页 |
| 7.2.4 运维作业的动态优化流程 | 第120-122页 |
| 7.3 基于群集智能的运维作业动态优化仿真分析 | 第122-134页 |
| 7.3.1 算法参数设置 | 第122-124页 |
| 7.3.2 实验结果及分析 | 第124-131页 |
| 7.3.3 运维作业动态优化过程仿真分析 | 第131-134页 |
| 7.4 本章小结 | 第134-135页 |
| 8 总结与展望 | 第135-137页 |
| 8.1 全文总结 | 第135-136页 |
| 8.2 展望 | 第136-137页 |
| 参考文献 | 第137-146页 |
| 攻读博士学位期间完成的科研课题及发表的学术成果 | 第146-148页 |
| 致谢 | 第148页 |
