| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 电力系统无功优化的目的及意义 | 第8-10页 |
| 1.2 电力系统无功优化的研究现状 | 第10-14页 |
| 1.2.1 经典法无功优化 | 第11页 |
| 1.2.2 常规优化算法 | 第11-12页 |
| 1.2.3 人工智能优化算法 | 第12-14页 |
| 1.3 论文主要的工作 | 第14-16页 |
| 第二章 电力系统潮流计算 | 第16-38页 |
| 2.1 潮流计算的数学模型 | 第16-18页 |
| 2.2 高斯-赛德尔法 | 第18-22页 |
| 2.2.1 直角坐标高斯-赛德尔法 | 第18-20页 |
| 2.2.2 极坐标高斯-赛德尔法 | 第20-21页 |
| 2.2.3 自动求取加速因子方法 | 第21-22页 |
| 2.3 牛顿-拉夫逊法 | 第22-26页 |
| 2.3.1 直角坐标牛顿-拉夫逊法 | 第22-24页 |
| 2.3.2 极坐标牛顿-拉夫逊法 | 第24-26页 |
| 2.4 快速分解法 | 第26-31页 |
| 2.4.1 快速分解法 | 第26-29页 |
| 2.4.2 直角坐标形式快速分解法 | 第29-31页 |
| 2.5 直流潮流法 | 第31-33页 |
| 2.6 算例分析 | 第33-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第三章 经典法无功优化 | 第38-47页 |
| 3.1 经典法无功优化数学模型 | 第38-39页 |
| 3.2 导纳矩阵法网损微增率 | 第39-45页 |
| 3.2.1 直角坐标导纳矩阵法 | 第40-42页 |
| 3.2.2 极坐标导纳矩阵法 | 第42-45页 |
| 3.3 经典法无功优化计算过程 | 第45-47页 |
| 第四章 基于遗传算法的电力系统无功优化 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.1.1 遗传算法的基本思想 | 第47页 |
| 4.1.2 遗传算法的特点 | 第47-48页 |
| 4.2 遗传算法基本原理与方法 | 第48-53页 |
| 4.3 基于遗传算法的无功优化数学模型 | 第53-55页 |
| 4.3.1 遗传算法在电力系统无功优化中的应用 | 第53页 |
| 4.3.2 无功优化数学模型 | 第53-55页 |
| 4.4 遗传算法的改进及其在电力系统无功优化中的应用 | 第55-58页 |
| 4.4.1 遗传算法的改进措施 | 第56-57页 |
| 4.4.2 改进遗传算法无功优化流程 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 算例分析 | 第59-68页 |
| 5.1 IEEE-14节点系统算例分析 | 第59-63页 |
| 5.1.1 14节点系统数据及参数 | 第59-61页 |
| 5.1.2 14节点优化结果分析 | 第61-63页 |
| 5.2 IEEE30节点系统算例分析 | 第63-67页 |
| 5.2.1 30节点系统数据及参数 | 第63-65页 |
| 5.2.2 30节点优化结果分析 | 第65-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录 | 第74-75页 |