| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 世界能源的利用概述 | 第14-16页 |
| 1.2 微电网概述 | 第16-18页 |
| 1.3 风电功率预测研究现状 | 第18-21页 |
| 1.4 微电网优化研究现状 | 第21-23页 |
| 1.5 论文的主要研究工作 | 第23-25页 |
| 第二章 基于遗传算法的混沌相空间重构BP神经网络风力发电预测 | 第25-39页 |
| 2.1 引言 | 第25页 |
| 2.2 混沌相空间重构理论 | 第25-29页 |
| 2.2.1 混沌吸引子与重构定义 | 第25-26页 |
| 2.2.2 Wolf方法计算Lyapunov指数 | 第26-27页 |
| 2.2.3 基于C-C方法确定最优时间延迟和最优嵌入维数 | 第27-29页 |
| 2.3 遗传算法 | 第29-30页 |
| 2.4 BP神经网络 | 第30-31页 |
| 2.5 基于遗传算法的相空间重构BP神经网络预测算法 | 第31页 |
| 2.6 风力发电预测实例 | 第31-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第三章 基于经验模态分解的小波神经网络与支持向量机风力发电组合预测 | 第39-73页 |
| 3.1 引言 | 第39页 |
| 3.2 经验模态分解 | 第39-43页 |
| 3.2.1 瞬时频率 | 第40-41页 |
| 3.2.2 本征模函数 | 第41页 |
| 3.2.3 特征时间尺度 | 第41-43页 |
| 3.3 支持向量机模型 | 第43-47页 |
| 3.3.1 支持向量机回归预测原理 | 第44-46页 |
| 3.3.2 交叉验证算法选择最佳参数支持向量机的核函数和核参数 | 第46-47页 |
| 3.4 小波神经网络预测模型 | 第47-49页 |
| 3.5 预测模型 | 第49-51页 |
| 3.6 仿真结果与分析 | 第51-63页 |
| 3.7 本章组合预测法与第二章预测方法的比较 | 第63-72页 |
| 3.8 本章小结 | 第72-73页 |
| 第四章 含风、光发电的分时段等效电量法随机生产模拟 | 第73-88页 |
| 4.1 引言 | 第73-74页 |
| 4.2 光伏、风力发电特点 | 第74页 |
| 4.3 等效电量函数法 | 第74-79页 |
| 4.3.1 等效持续负荷曲线 | 第74-75页 |
| 4.3.2 等效电量函数法 | 第75-78页 |
| 4.3.3 风电场的多状态机组模型 | 第78-79页 |
| 4.4 分时段等效电量函数法随机生产模拟 | 第79页 |
| 4.5 算例与分析 | 第79-87页 |
| 4.6 本章小结 | 第87-88页 |
| 第五章 基于非支配免疫约束多目标算法的微电网优化 | 第88-103页 |
| 5.1 引言 | 第88页 |
| 5.2 系统优化模型 | 第88-91页 |
| 5.2.1 优化的目标函数 | 第89-90页 |
| 5.2.2 约束条件 | 第90-91页 |
| 5.3 非支配近邻免疫约束多目标优化算法 | 第91-95页 |
| 5.3.1 对于约束条件的处理方法 | 第91-92页 |
| 5.3.2 非支配免疫算法基本概念 | 第92-94页 |
| 5.3.3 非支配免疫算法 | 第94-95页 |
| 5.4 案例仿真 | 第95-102页 |
| 5.4.1 模型一 | 第95-99页 |
| 5.4.2 模型二 | 第99-102页 |
| 5.4.3 本文算法与NSGA-Ⅱ算法的比较 | 第102页 |
| 5.5 本章小结 | 第102-103页 |
| 第六章 基于随机机会规划的微电网动态优化 | 第103-117页 |
| 6.1 引言 | 第103页 |
| 6.2 随机机会约束规划算法 | 第103-104页 |
| 6.3 考虑随机性的微电网随机机会约束规划模型 | 第104-107页 |
| 6.3.1 目标函数 | 第104-105页 |
| 6.3.2 约束条件 | 第105-107页 |
| 6.4 风电、太阳能阵列输出功率以及负荷的随机性 | 第107-109页 |
| 6.4.1 风电出力的概率模型 | 第107-108页 |
| 6.4.2 光伏阵列的概率模型 | 第108-109页 |
| 6.4.3 负荷概率分布 | 第109页 |
| 6.5 优化算法 | 第109-110页 |
| 6.5.1 粒子群算法 | 第109-110页 |
| 6.5.2 蒙特卡洛模拟 | 第110页 |
| 6.5.3 本文算法描述 | 第110页 |
| 6.6. 算例分析 | 第110-116页 |
| 6.6.1 算例数据 | 第111-112页 |
| 6.6.2 优化结果与分析 | 第112-116页 |
| 6.7 本章小结 | 第116-117页 |
| 第七章 结论与展望 | 第117-119页 |
| 7.1 结论 | 第117页 |
| 7.2 展望 | 第117-119页 |
| 参考文献 | 第119-136页 |
| 附录A 攻读博士学位期间发表及完成的学术论文 | 第136-137页 |
| 附录B 学术论文与学位论文相关章节的对应表 | 第137-138页 |
| 致谢 | 第138页 |
