| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| §1.1 课题研究背景及意义 | 第8-9页 |
| §1.2 国内外研究现状 | 第9-11页 |
| §1.3 论文的研究工作与章节安排 | 第11-14页 |
| 第2章 发用电单元建模与预测 | 第14-30页 |
| §2.1 光伏发电单元模型 | 第14-17页 |
| §2.2 风力发电单元模型 | 第17-18页 |
| §2.3 负荷单元模型 | 第18-20页 |
| §2.4 基于相似日的神经网络预测算法 | 第20-29页 |
| §2.4.1 神经网络预测原理 | 第20-21页 |
| §2.4.2 基于相似日的BP神经网络预测算法实现 | 第21-24页 |
| §2.4.3 算例分析 | 第24-29页 |
| §2.5 本章小结 | 第29-30页 |
| 第3章 储能单元建模与优化 | 第30-44页 |
| §3.1 储能单元模型 | 第30-33页 |
| §3.2 储能单元经济模型 | 第33-37页 |
| §3.3 储能单元寿命优化模型 | 第37-41页 |
| §3.3.1 储能寿命评估模型 | 第37-38页 |
| §3.3.2 储能优化约束 | 第38-41页 |
| §3.4 优化算例 | 第41-42页 |
| §3.5 本章小结 | 第42-44页 |
| 第4章 基于量子遗传算法的微电网能量优化算法 | 第44-60页 |
| §4.1 优化目标及约束条件 | 第44-45页 |
| §4.2 优化算法的应用性分析 | 第45-47页 |
| §4.3 QGA算法的原理与实现 | 第47-50页 |
| §4.4 能量优化算例分析 | 第50-59页 |
| §4.5 本章小结 | 第59-60页 |
| 第5章 微电网能量管理算法的工程应用 | 第60-74页 |
| §5.1 微电网能量管理算法的应用框架 | 第60-62页 |
| §5.2 微电网能量管理算法的设计 | 第62-68页 |
| §5.3 江西电科院微电网能量管理工程应用 | 第68-71页 |
| §5.3.1 微电网工程概况 | 第68-69页 |
| §5.3.2 微电网能量管理运行 | 第69-71页 |
| §5.4 光—科技微电网能量管理工程应用 | 第71-73页 |
| §5.4.1 微电网工程概况 | 第71页 |
| §5.4.2 微电网能量管理运行 | 第71-73页 |
| §5.5 本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-76页 |
| §6.1 论文研究工作总结 | 第74页 |
| §6.2 研究的不足与展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表成果 | 第82页 |