含风力发电的最优潮流计算方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| ·本研究课题研究意义及来源 | 第14-15页 |
| ·风能开发现状分析 | 第15-17页 |
| ·含风电场潮流计算国内外研究现状 | 第17-18页 |
| ·本文主要工作 | 第18-20页 |
| 第二章 风电机组原理及接入电网后产生影响 | 第20-35页 |
| ·引言 | 第20页 |
| ·风力机组工作原理 | 第20-23页 |
| ·空气动力学模型 | 第20-22页 |
| ·风力机的特征系数 | 第22-23页 |
| ·风力发电机系统的数学模型 | 第23-33页 |
| ·风速模型 | 第23-25页 |
| ·风力机、传动机构模型 | 第25-28页 |
| ·发电机模型 | 第28-33页 |
| ·风力发电对电网影响 | 第33-34页 |
| ·产生电压波动和闪变 | 第33-34页 |
| ·对系统产生其它影响 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第三章 结合异常数据剔除技术的神经网络预测 | 第35-51页 |
| ·引言 | 第35页 |
| ·异常数据的剔除方法 | 第35-38页 |
| ·异常数据的定义 | 第35页 |
| ·常用异常数据剔除方法 | 第35-38页 |
| ·神经网络模型的基本原理及学习方法 | 第38-42页 |
| ·应用神经网络的原因 | 第38页 |
| ·神经网络的特点 | 第38-39页 |
| ·神经网络的基本原理 | 第39-40页 |
| ·神经网络的学习方式 | 第40-41页 |
| ·典型神经网络模型 | 第41-42页 |
| ·BP与RBF神经网络在预测中的应用 | 第42-46页 |
| ·BP神经网络 | 第42-44页 |
| ·RBF神经网络 | 第44-45页 |
| ·BP神经网络与RBF神经网络的对比 | 第45-46页 |
| ·实例应用 | 第46-49页 |
| ·异常数据的剔除 | 第46-47页 |
| ·神经网络训练 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于改进人工鱼群算法有功优化潮流的计算 | 第51-64页 |
| ·引言 | 第51页 |
| ·含风电场的最优潮流 | 第51-54页 |
| ·最优潮流数学模型 | 第51-52页 |
| ·含风电场有功最优潮流数学模型 | 第52-54页 |
| ·人工鱼群算法 | 第54-59页 |
| ·基本人工鱼群算法原理 | 第55-58页 |
| ·影响算法收敛性能因素分析 | 第58-59页 |
| ·人工鱼群算法的改进方案 | 第59-61页 |
| ·基于改进人工鱼群算法计算流程 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 仿真计算与分析 | 第64-72页 |
| ·引言 | 第64页 |
| ·对改进方法进行验证 | 第64-69页 |
| ·算例分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 结论与展望 | 第72-74页 |
| 总结 | 第72页 |
| 前景展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 附录 | 第79-82页 |
| 攻读学位期间发表论文 | 第82-84页 |
| 致谢 | 第84页 |
