| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外相关领域研究现状 | 第10-14页 |
| 1.2.1 风力发电与EV充放电模型的研究 | 第10-11页 |
| 1.2.2 含风电和EV入网的电力系统优化调度建模研究 | 第11-13页 |
| 1.2.3 含风电和EV的优化调度模型求解方法研究 | 第13-14页 |
| 1.3 本文主要内容和结构安排 | 第14-16页 |
| 第2章 风力发电与EV充放电功率的概率建模 | 第16-26页 |
| 2.1 风力发电的概率模型 | 第16-19页 |
| 2.1.1 风电场的湍流强度 | 第16-18页 |
| 2.1.2 风速的概率分布 | 第18页 |
| 2.1.3 风电场出力的概率分布 | 第18-19页 |
| 2.2 EV充放电功率的概率模型 | 第19-25页 |
| 2.2.1 EV充放电功率的随机性 | 第20页 |
| 2.2.2 EV充放电影响因素的概率分布 | 第20-24页 |
| 2.2.3 V2G技术 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 含风电场和EV的电力系统协同优化调度 | 第26-35页 |
| 3.1 机会约束规划 | 第26-27页 |
| 3.2 含风电场和EV的电力系统优化调度建模 | 第27-34页 |
| 3.2.1 常规机组的发电成本建模 | 第27-28页 |
| 3.2.2 风力发电机会成本建模 | 第28-30页 |
| 3.2.3 风力发电机会成本系数的整定 | 第30-31页 |
| 3.2.4 V2G成本建模 | 第31-32页 |
| 3.2.5 目标函数 | 第32页 |
| 3.2.6 约束条件 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 优化模型的处理及求解 | 第35-48页 |
| 4.1 机会约束和互补约束的处理 | 第35-38页 |
| 4.1.1 基于Monte Carlo模拟技术的机会约束条件处理 | 第35-36页 |
| 4.1.2 基于松弛法的含互补约束问题的处理 | 第36-38页 |
| 4.2 基于凝聚函数的目标函数光滑处理 | 第38页 |
| 4.3 基于文化粒子群优化算法的模型求解 | 第38-47页 |
| 4.3.1 文化算法的基本原理 | 第39-40页 |
| 4.3.2 文化粒子群算法 | 第40-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 算例仿真与分析 | 第48-59页 |
| 5.1 仿真参数设置 | 第48-49页 |
| 5.2 EV充放电模式对电网负荷及峰谷差率的影响 | 第49-53页 |
| 5.2.1 自由充电模式 | 第50-51页 |
| 5.2.2 受控充电模式 | 第51页 |
| 5.2.3 V2G模式 | 第51-52页 |
| 5.2.4 不同充放电模式下对峰谷差率的影响 | 第52-53页 |
| 5.3 不同充放电模式对优化结果的影响 | 第53-55页 |
| 5.4 不同电价对优化结果的影响 | 第55-56页 |
| 5.5 置信水平对优化结果的影响 | 第56-57页 |
| 5.6 不同优化算法的对比分析 | 第57页 |
| 5.7 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70页 |
