| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 传统优化方法类 | 第9-10页 |
| 1.2.2 启发式方法类 | 第10页 |
| 1.2.3 人工智能类 | 第10-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 第2章 分布式电源模型及其潮流计算 | 第13-23页 |
| 2.1 分布式电源概述 | 第13-14页 |
| 2.2 DG的分类及其数学模型 | 第14-18页 |
| 2.2.1 风力发电及其数学模型 | 第14-15页 |
| 2.2.2 太阳能光伏发电及其数学模型 | 第15-17页 |
| 2.2.3 燃料电池及其数学模型 | 第17页 |
| 2.2.4 微型燃气轮机及其数学模型 | 第17-18页 |
| 2.3 DG对配电网的影响 | 第18-20页 |
| 2.3.1 DG对电能质量的影响 | 第18-19页 |
| 2.3.2 DG对供电可靠性和系统安全的影响 | 第19页 |
| 2.3.3 DG对继电保护的影响 | 第19页 |
| 2.3.4 DG对电力市场的影响 | 第19-20页 |
| 2.3.5 其他的影响 | 第20页 |
| 2.4 含DG的配电网潮流计算 | 第20-21页 |
| 2.5.1 前推回代法 | 第20-21页 |
| 2.5.2 本文的潮流计算方法 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 基于改进遗传算法的配电网重构 | 第23-39页 |
| 3.1 配电网重构的数学模型 | 第23-25页 |
| 3.1.1 目标函数 | 第23-24页 |
| 3.1.2 约束条件及其处理 | 第24-25页 |
| 3.2 遗传算法介绍 | 第25-26页 |
| 3.3 改进遗传算法在配电网重构中的实现 | 第26-32页 |
| 3.3.1 染色体编码以及初始种群产生 | 第26-28页 |
| 3.3.2 适应度函数设计 | 第28-29页 |
| 3.3.3 选择操作 | 第29页 |
| 3.3.4 自适应交叉操作 | 第29-30页 |
| 3.3.5 自适应变异操作 | 第30-31页 |
| 3.3.6 不可行解的剔除 | 第31-32页 |
| 3.3.7 算法的终止条件 | 第32页 |
| 3.4 改进遗传算法的流程 | 第32-34页 |
| 3.5 算例分析 | 第34-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于改进蚁群算法的配电网重构 | 第39-50页 |
| 4.1 蚁群算法介绍 | 第39-40页 |
| 4.2 改进蚁群算法在配电网重构中的实现 | 第40-44页 |
| 4.2.1 随机生成树原理 | 第40-41页 |
| 4.2.2 搜索策略 | 第41-42页 |
| 4.2.3 支路信息素更新 | 第42-44页 |
| 4.3 改进蚁群算法流程 | 第44-46页 |
| 4.4 算例分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 含DG的配电网重构多目标优化 | 第50-59页 |
| 5.1 引言 | 第50页 |
| 5.2 配电网多目标优化的数学模型 | 第50-53页 |
| 5.2.1 多目标优化方法 | 第51-52页 |
| 5.2.2 配电网重构的多目标模型 | 第52-53页 |
| 5.3 Pareto多目标优化技术 | 第53-54页 |
| 5.4 遗传算法和蚁群算法的混合算法(GAACO) | 第54-56页 |
| 5.4.1 GAACO中GA的实现 | 第54-55页 |
| 5.4.2 GAACO中ACO的实现 | 第55-56页 |
| 5.5 算例分析 | 第56-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-68页 |
| 攻读学位期间的研究成果 | 第68页 |