| 致谢 | 第7-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第17-26页 |
| 1.1 课题研究背景与意义 | 第17-19页 |
| 1.2 相关课题国内外研究现状 | 第19-24页 |
| 1.2.1 微电网电压无功控制研究现状 | 第19-22页 |
| 1.2.2 人工智能在微电网电压无功控制研究现状 | 第22-24页 |
| 1.3 论文的研究内容 | 第24-26页 |
| 第二章 基于不同时间尺度的微电网的电压无功控制方法 | 第26-38页 |
| 2.1 微电网典型结构及控制区域划分 | 第26-28页 |
| 2.2 微电网多时间尺度电压无功控制方法 | 第28-33页 |
| 2.2.1 一级电压无功控制 | 第28-31页 |
| 2.2.2 二级电压无功控制 | 第31-32页 |
| 2.2.3 三级电压无功控制 | 第32-33页 |
| 2.3 微电网电压无功控制方法的MAS结构 | 第33-38页 |
| 第三章 微电网全局电压无功优化控制 | 第38-48页 |
| 3.1 微电源模型及其节点类型的划分 | 第38-44页 |
| 3.1.1 风力发电系统 | 第38-40页 |
| 3.1.2 光伏发电系统 | 第40-41页 |
| 3.1.3 燃料电池 | 第41-43页 |
| 3.1.4 蓄电池 | 第43-44页 |
| 3.1.5 微型燃气轮机 | 第44页 |
| 3.2 无功功率的优化调度模型 | 第44-48页 |
| 3.2.1 目标函数 | 第44-46页 |
| 3.2.2 约束条件 | 第46-48页 |
| 第四章 基于Q学习的微电网电压无功分区协调控制方法 | 第48-59页 |
| 4.1 Q学习算法 | 第48-53页 |
| 4.1.1 Q学习算法的基本概念 | 第48-50页 |
| 4.1.2 Q学习算法的数学模型 | 第50-53页 |
| 4.2 基于Q学习算法的电压无功控制器的设计 | 第53-56页 |
| 4.2.1 输入与输出参数设计 | 第53-55页 |
| 4.2.2 基于Q学习的电压无功协调控制算法步骤 | 第55-56页 |
| 4.3 无功功率调整量的优化分配 | 第56-59页 |
| 4.3.1 无功功率分配的运算模型 | 第57页 |
| 4.3.2 粒子群算法求解 | 第57-59页 |
| 第五章 仿真平台与仿真实验 | 第59-73页 |
| 5.1 基于MAS的混合式能量管理平台 | 第59-61页 |
| 5.2 仿真实验 | 第61-73页 |
| 5.2.1 微电网拓扑及其配置参数 | 第62-63页 |
| 5.2.2 仿真实验结果 | 第63-73页 |
| 第六章 总结与展望 | 第73-74页 |
| 6.1 本文主要研究结论 | 第73页 |
| 6.2 下一步工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第78页 |