基于机会约束规划的风电优化调度
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国际先进的风电优化调度运行经验 | 第12页 |
| 1.2.2 功率预测在优化调度中的应用 | 第12-13页 |
| 1.2.3 风电优化调度模型的研究进展 | 第13-14页 |
| 1.2.4 机会约束规划求解方法的研究进展 | 第14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 优化调度中的风电功率分级 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 风功率概率密度分布特性 | 第16-19页 |
| 2.2.1 威布尔分布下的概率密度 | 第16-18页 |
| 2.2.2 瑞利分布下的概率密度 | 第18-19页 |
| 2.3 风电功率预测的分级 | 第19-20页 |
| 2.3.1 分级处理的意义和思路 | 第19页 |
| 2.3.2 三个等级的特征 | 第19-20页 |
| 2.4 分级处理的数学模型 | 第20-22页 |
| 2.4.1 基荷输出的约束条件 | 第20-21页 |
| 2.4.2 分段数k和方差σ~2的取值 | 第21-22页 |
| 2.4.3 次级输出和高频输出 | 第22页 |
| 2.5 协调调控系统 | 第22-26页 |
| 2.5.1 协调调控系统的总体构架 | 第23-24页 |
| 2.5.2 日时间级下的协调调控 | 第24-25页 |
| 2.5.3 预调度、在线调度时间级下的协调调控 | 第25-26页 |
| 2.6 算例分析 | 第26-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 机会约束规划模型 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 机会约束规划基础理论 | 第30-32页 |
| 3.2.1 机会约束规划的定义 | 第31-32页 |
| 3.2.2 多目标机会约束规划 | 第32页 |
| 3.3 机会约束规划模型的改进 | 第32-34页 |
| 3.3.1 机会约束规划的简化 | 第32-33页 |
| 3.3.2 机会约束规划的等价形式 | 第33-34页 |
| 3.4 机会约束规划实例分析 | 第34-36页 |
| 3.4.1 初始条件和规划模型的建立 | 第34-35页 |
| 3.4.2 决策的优先级结构 | 第35页 |
| 3.4.3 规划模型的改进 | 第35-36页 |
| 3.5 含风电场电力系统优化调度模型 | 第36-41页 |
| 3.5.1 考虑最优潮流下的目标函数 | 第37页 |
| 3.5.2 考虑载荷特性的目标函数 | 第37-39页 |
| 3.5.3 约束条件 | 第39-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 混合智能算法求解机会约束规划 | 第43-67页 |
| 4.1 引言 | 第43页 |
| 4.2 随机模拟技术 | 第43-46页 |
| 4.2.1 随机数的生成 | 第43-44页 |
| 4.2.2 蒙特卡洛模拟对机会约束规划的检验 | 第44-45页 |
| 4.2.3 乐观值估算法 | 第45-46页 |
| 4.3 神经元网络 | 第46-50页 |
| 4.3.1 人工神经元 | 第46-48页 |
| 4.3.2 多层向前神经元网络 | 第48-49页 |
| 4.3.3 神经元网络函数逼近 | 第49-50页 |
| 4.4 遗传算法 | 第50-53页 |
| 4.4.1 遗传算法的总体思想 | 第50-51页 |
| 4.4.2 三个基本操作的执行过程 | 第51-52页 |
| 4.4.3 遗传算法的优点 | 第52-53页 |
| 4.5 混合智能算法 | 第53-54页 |
| 4.6 算例分析 | 第54-66页 |
| 4.6.1 最优潮流优化调度 | 第54-61页 |
| 4.6.2 载荷效应优化调度 | 第61-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第5章 结论与展望 | 第67-69页 |
| 5.1 结论 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第73-74页 |
| 致谢 | 第74页 |
