| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 新能源分布式发电与储能 | 第15-18页 |
| 1.2.1 风力发电 | 第15-16页 |
| 1.2.2 光伏发电 | 第16-17页 |
| 1.2.3 储能技术在分布式发电中的应用 | 第17-18页 |
| 1.3 智能用电技术 | 第18页 |
| 1.4 相关研究工作 | 第18-19页 |
| 1.5 论文内容及组织结构 | 第19-21页 |
| 第二章 储能系统及需求响应 | 第21-30页 |
| 2.1 储能系统相关技术 | 第21-23页 |
| 2.1.1 储能的方式及其特点 | 第21-22页 |
| 2.1.2 储能系统的作用 | 第22-23页 |
| 2.2 需求响应技术 | 第23-26页 |
| 2.2.1 需求响应的起源 | 第23-24页 |
| 2.2.2 需求响应的分类 | 第24-25页 |
| 2.2.3 需求响应实践 | 第25-26页 |
| 2.3 储能系统能量调度与需求响应联合优化系统 | 第26-29页 |
| 2.3.1 光伏发电单元 | 第27-28页 |
| 2.3.2 储能单元 | 第28页 |
| 2.3.3 负载单元 | 第28页 |
| 2.3.4 电价 | 第28-29页 |
| 2.4 离散时间马尔可夫决策过程 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 储能系统能量调度及需求响应联合优化控制 | 第30-43页 |
| 3.1 数学模型 | 第30-33页 |
| 3.1.1 系统状态 | 第30页 |
| 3.1.2 行动集 | 第30-31页 |
| 3.1.3 状态转移 | 第31页 |
| 3.1.4 状态转移概率 | 第31-32页 |
| 3.1.5 即时报酬 | 第32-33页 |
| 3.1.6 最优化问题 | 第33页 |
| 3.2 优化算法 | 第33-35页 |
| 3.2.1 基于策略迭代的理论优化方法 | 第33-34页 |
| 3.2.2 Q学习优化算法 | 第34-35页 |
| 3.3 仿真结果分析 | 第35-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 有限时间段的储能系统能量管理调度与需求响应联合优化控制 | 第43-54页 |
| 4.1 联合优化控制模型 | 第43-45页 |
| 4.1.1 电价模型 | 第43-44页 |
| 4.1.2 光伏发电模型 | 第44-45页 |
| 4.2 数学模型 | 第45-47页 |
| 4.2.1 系统状态 | 第45页 |
| 4.2.2 行动集 | 第45页 |
| 4.2.3 状态转移及转移概率 | 第45-46页 |
| 4.2.4 即时报酬以及终止报酬 | 第46-47页 |
| 4.2.5 最优化问题 | 第47页 |
| 4.3 基于模拟退火的Q学习优化算法 | 第47-48页 |
| 4.4 仿真结果分析 | 第48-53页 |
| 4.4.1 储能系统对平均报酬的影响 | 第50-51页 |
| 4.4.2 负载特性对平均报酬的影响 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第58页 |