| 中文摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·课题研究的目的与意义 | 第7-8页 |
| ·电力市场发展状况 | 第7页 |
| ·日前交易计划优化理论研究意义 | 第7-8页 |
| ·本文的主要工作 | 第8-10页 |
| 第二章 单一购买模式电力市场中日前交易计划 | 第10-18页 |
| ·引言 | 第10页 |
| ·单一购买模式电力市场中日前交易计划的数学模型 | 第10-12页 |
| ·目标函数 | 第11页 |
| ·约束条件 | 第11-12页 |
| ·日前交易计划优化算法研究现状 | 第12-17页 |
| ·启发式方法 | 第12-13页 |
| ·动态规划法 | 第13-14页 |
| ·线性规划法 | 第14页 |
| ·混合整数规划法 | 第14页 |
| ·拉格朗日松弛法 | 第14-15页 |
| ·遗传算法 | 第15-16页 |
| ·粒子群算法 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于排队法的混合智能遗传算法在日前交易计划中的应用 | 第18-26页 |
| ·引言 | 第18页 |
| ·简单遗传算法 | 第18-19页 |
| ·遗传算法的基本要素 | 第18-19页 |
| ·遗传算法的计算过程 | 第19页 |
| ·基于排队算法的混合智能遗传算法 | 第19-22页 |
| ·算法的思路 | 第19-20页 |
| ·算法的前提 | 第20页 |
| ·遗传算法求解机组组合 | 第20-22页 |
| ·排队算法进行经济功率分配优化 | 第22页 |
| ·算例 | 第22-25页 |
| ·算例原始数据 | 第22-24页 |
| ·计算结果 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 基于粒子群算法的混合智能遗传算法在日前交易计划中的应用 | 第26-38页 |
| ·引言 | 第26页 |
| ·粒子群算法的基础知识 | 第26-29页 |
| ·基本粒子群算法模型和标准粒子群算法模型 | 第26-27页 |
| ·行为分析 | 第27页 |
| ·粒子群优化算法的发展 | 第27-29页 |
| ·粒子群优化算法在日前交易计划中的应用 | 第29-31页 |
| ·算法的思路 | 第29-30页 |
| ·粒子群算法参数的设置与选取 | 第30-31页 |
| ·经济功率分配中约束条件的处理 | 第31页 |
| ·改进的粒子群优化算法在日前交易计划中的应用 | 第31-33页 |
| ·启发式初始群体生成 | 第31-32页 |
| ·群体进化算法共享信息 | 第32-33页 |
| ·算例结果与比较分析 | 第33-38页 |
| ·标准粒子群算法优化结果 | 第33-34页 |
| ·改进后的粒子群算法优化结果 | 第34-36页 |
| ·不同优化算法的比较分析 | 第36-38页 |
| 第五章 不同约束条件下总购电费用的比较分析 | 第38-45页 |
| ·引言 | 第38页 |
| ·约束层面的划分 | 第38页 |
| ·各约束层面的计算结果 | 第38-43页 |
| ·第一个约束层面计算结果 | 第38-40页 |
| ·第二个约束层面计算结果 | 第40-41页 |
| ·第三个约束层面计算结果 | 第41-43页 |
| ·第四个约束层面计算结果 | 第43页 |
| ·各个约束层面的比较分析 | 第43-45页 |
| 第六章 结论 | 第45-46页 |
| ·工作总结 | 第45页 |
| ·展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的学术论文和参加的科研情况 | 第51页 |