| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 经典数学优化方法 | 第14-15页 |
| 1.2.2 启发式优化算法 | 第15页 |
| 1.2.3 智能优化算法 | 第15-17页 |
| 1.2.4 复合算法 | 第17-18页 |
| 1.3 论文工作及结构安排 | 第18-20页 |
| 第二章 分布式电源及其并网对电力系统的影响 | 第20-29页 |
| 2.1 分布式发电技术 | 第20页 |
| 2.2 分布式发电技术类型 | 第20-22页 |
| 2.2.1 太阳能发电技术 | 第20-21页 |
| 2.2.2 风力发电技术 | 第21页 |
| 2.2.3 微型燃气轮机发电技术 | 第21页 |
| 2.2.4 燃料电池发电技术 | 第21-22页 |
| 2.2.5 小水电发电技术 | 第22页 |
| 2.3 分布式电源的运行方式 | 第22-23页 |
| 2.4 分布式电源的控制特性 | 第23-26页 |
| 2.4.1 风力发电系统的控制特性 | 第23-25页 |
| 2.4.2 光伏发电系统控制特性 | 第25页 |
| 2.4.3 燃料电池发电系统控制特性 | 第25页 |
| 2.4.4 微型燃气轮机发电系统控制特性 | 第25-26页 |
| 2.4.5 小型水轮发电机组控制特性 | 第26页 |
| 2.5 分布式电源对配电网运行的影响 | 第26-29页 |
| 2.5.1 对配电系统潮流的影响 | 第26页 |
| 2.5.2 对配电系统电能质量的影响7 | 第26-27页 |
| 2.5.3 对配电系统继电保护的影响 | 第27-29页 |
| 第三章 遗传算法与蚁群算法及其复合算法的研究 | 第29-45页 |
| 3.1 遗传算法 | 第29-35页 |
| 3.1.1 遗传算法的产生思想 | 第29页 |
| 3.1.2 遗传算法的基本原理 | 第29-30页 |
| 3.1.3 基本遗传算法的主要步骤 | 第30-35页 |
| 3.2 蚁群算法 | 第35-41页 |
| 3.2.1 蚁群的生物行为描述 | 第36-38页 |
| 3.2.2 基本蚁群算法 | 第38-41页 |
| 3.3 遗传-蚁群复合算法研究 | 第41-45页 |
| 3.3.1 G3A算法中遗传算法的设置 | 第42-43页 |
| 3.3.2 G3A算法中蚁群算法的设置 | 第43-44页 |
| 3.3.3 遗传—蚁群算法中遗传算法与蚁群算法的衔接 | 第44-45页 |
| 第四章 配电网分布式电源优化配置模型研究 | 第45-59页 |
| 4.1 分布式电源对线路负载能力和潮流的影响 | 第45-51页 |
| 4.1.1 对线路负载能力的影响 | 第45-46页 |
| 4.1.2 对潮流的影响 | 第46-47页 |
| 4.1.3 含分布式电源配电网的潮流计算 | 第47-51页 |
| 4.2 含分布式电源配电网的优化配置目标模型 | 第51-54页 |
| 4.2.1 多目标模型 | 第51-52页 |
| 4.2.2 约束条件 | 第52-54页 |
| 4.3 分布式电源位置和容量的优化求解 | 第54-57页 |
| 4.3.1 遗传算法中的求解 | 第54-55页 |
| 4.3.2 蚁群算法中的求解 | 第55-56页 |
| 4.3.3 遗传算法和蚁群算法的衔接设置 | 第56-57页 |
| 4.4 分布式电源的位置和容量的优化步骤 | 第57-59页 |
| 第五章 算例分析 | 第59-66页 |
| 5.1 验证算法的有效性 | 第59-60页 |
| 5.2 优化结果及分析 | 第60-66页 |
| 结论和展望 | 第66-68页 |
| 1 本文的主要成果 | 第66页 |
| 2 后续工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 读研期间发表的论文 | 第72-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75页 |