基于SOA-SVM预测分布式电源出力和电力负荷的微网经济运行优化的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 论文的选题背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状及应用 | 第10-11页 |
| 1.2.1 微网研究现状及应用 | 第10-11页 |
| 1.2.2 微网经济调度的研究现状 | 第11页 |
| 1.3 目前微网中存在的主要问题 | 第11-12页 |
| 1.4 论文的主要研究内容 | 第12-14页 |
| 2 微网基础理论介绍 | 第14-21页 |
| 2.1 微网概念的提出 | 第14-15页 |
| 2.2 微网的基本理论 | 第15-19页 |
| 2.2.1 微网的定义 | 第15页 |
| 2.2.2 微网的结构 | 第15-18页 |
| 2.2.3 微网的优势及特点 | 第18-19页 |
| 2.3 微网优化调度 | 第19-20页 |
| 2.4 小结 | 第20-21页 |
| 3 群智能算法 | 第21-32页 |
| 3.1 SOA优化算法 | 第21-25页 |
| 3.1.1 SOA算法基本原理 | 第21-22页 |
| 3.1.2 SOA算法分析流程 | 第22-24页 |
| 3.1.3 SOA算法的实现 | 第24-25页 |
| 3.2 PSO优化算法 | 第25-27页 |
| 3.2.1 PSO算法的基本原理 | 第25-26页 |
| 3.2.2 PSO算法的参数分析及流程 | 第26-27页 |
| 3.3 SOA与PSO对比试验 | 第27-31页 |
| 3.3.1 优化函数的选取 | 第28页 |
| 3.3.2 函数优化结果 | 第28-31页 |
| 3.4 小结 | 第31-32页 |
| 4 微网中电力负荷的预测 | 第32-41页 |
| 4.1 电力负荷短期预测方法介绍 | 第32-37页 |
| 4.2 短期负荷预测的基本步骤 | 第37-40页 |
| 4.2.1 建立短期负荷预测模型 | 第37-38页 |
| 4.2.2 短期负荷预测结果及预测结果分析 | 第38-40页 |
| 4.3 小结 | 第40-41页 |
| 5 微网中风力发电输出功率的预测 | 第41-49页 |
| 5.1 集合经验模态分解(EEMD) | 第41-43页 |
| 5.1.1 经验模态分解法(EMD) | 第41-42页 |
| 5.1.2 EEMD的分解步骤 | 第42-43页 |
| 5.2 风电功率序列的分解 | 第43-44页 |
| 5.3 风电功率短期预测 | 第44-48页 |
| 5.3.1 建立短期负荷预测模型 | 第44-46页 |
| 5.3.2 短期风电功率预测结果及预测结果分析 | 第46-48页 |
| 5.4 小结 | 第48-49页 |
| 6 微网经济运行优化 | 第49-57页 |
| 6.1 模拟退火粒子群算法 | 第49-50页 |
| 6.2 微网经济运行模型的建立 | 第50-53页 |
| 6.3 微网优化算例分析 | 第53-56页 |
| 6.4 小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间的研究成果 | 第64页 |
