| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 需求响应的国内外研究现状 | 第11-13页 |
| 1.2.1 需求响应的国外研究现状 | 第11-12页 |
| 1.2.2 需求响应的国内研究现状 | 第12-13页 |
| 1.3 家庭用电负荷调度的研究现状及存在的问题 | 第13-17页 |
| 1.3.1 家庭用电负荷调度的研究现状 | 第13-17页 |
| 1.3.2 存在的问题 | 第17页 |
| 1.4 本文主要研究内容及章节安排 | 第17-20页 |
| 第2章 考虑需求响应的家庭用电负荷调度分析 | 第20-33页 |
| 2.1 引言 | 第20页 |
| 2.2 需求响应定义及分类 | 第20-23页 |
| 2.3 家庭能源管理系统 | 第23-26页 |
| 2.3.1 家庭能源管理系统的体系结构 | 第23页 |
| 2.3.2 家庭能源管理系统的组成 | 第23-26页 |
| 2.4 家庭用电负荷调度分析 | 第26-32页 |
| 2.4.1 从用户角度考虑影响调度的因素 | 第26-27页 |
| 2.4.2 需求响应环境下家庭用电负荷调度算例 | 第27-32页 |
| 2.5 小结 | 第32-33页 |
| 第3章 实时电价和倾斜块率组合下的家庭用电负荷调度研究 | 第33-49页 |
| 3.1 引言 | 第33页 |
| 3.2 实时电价下的反弹高峰 | 第33-34页 |
| 3.3 实时电价与倾斜块率相结合的家庭用电负荷调度方案 | 第34-39页 |
| 3.3.1 实时电价与倾斜块率组合模型 | 第34-35页 |
| 3.3.2 家庭用电设备的用电特性 | 第35-37页 |
| 3.3.3 目标函数 | 第37-39页 |
| 3.4 社会学习粒子群算法模型 | 第39-42页 |
| 3.4.1 基本粒子群算法 | 第39-40页 |
| 3.4.2 社会学习粒子群算法 | 第40-42页 |
| 3.5 仿真结果分析及对比实验 | 第42-48页 |
| 3.5.1 算例的描述 | 第42-43页 |
| 3.5.2 仿真结果分析 | 第43-48页 |
| 3.6 小结 | 第48-49页 |
| 第4章 家庭用电负荷日前需求调度研究 | 第49-62页 |
| 4.1 引言 | 第49页 |
| 4.2 需求调度系统模型及能量分解 | 第49-51页 |
| 4.2.1 需求调度系统模型 | 第49-50页 |
| 4.2.2 改进的组合优化能量分解法 | 第50-51页 |
| 4.3 家庭用电负荷日前需求调度算法 | 第51-56页 |
| 4.3.1 家庭用电负荷日前需求调度算法流程 | 第51-54页 |
| 4.3.2 考虑舒适度下对电力成本及峰均比的优化 | 第54-56页 |
| 4.4 算例分析 | 第56-60页 |
| 4.4.1 仿真数据的来源 | 第56页 |
| 4.4.2 结果分析 | 第56-60页 |
| 4.5 小结 | 第60-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 附录 | 第70-71页 |
| 致谢 | 第71页 |