| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 新能源的发展及存在的问题概述 | 第10-11页 |
| 1.2 电力系统经济调度发展概述 | 第11-13页 |
| 1.3 短期电力负荷预测和风电预测目的及意义 | 第13-16页 |
| 1.3.1 电力负荷预测概述 | 第13-14页 |
| 1.3.2 风电功率预测的目的和意义 | 第14-16页 |
| 1.4 日前调度和超短期调度概述 | 第16页 |
| 1.5 本文的主要研究内容 | 第16-18页 |
| 第2章 电力系统安全约束经济调度研究 | 第18-30页 |
| 2.1 电力系统调度的求解方法研究 | 第18-20页 |
| 2.2 电力系统调度的数学模型 | 第20-23页 |
| 2.2.1 SCED问题的目标函数 | 第20-21页 |
| 2.2.2 SCED问题的系统约束条件 | 第21-23页 |
| 2.3 电力系统调度的数学模型简化 | 第23-24页 |
| 2.4 灵敏度因子在电力系统经济调度中的应用 | 第24-29页 |
| 2.4.1 灵敏度因子理论概述 | 第24页 |
| 2.4.2 灵敏度因子的求解 | 第24-26页 |
| 2.4.3 实例验证 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 风电功率预测和负荷预测 | 第30-40页 |
| 3.1 风电功率预测和负荷预测概述 | 第30-32页 |
| 3.1.1 国外对风电功率预测的研究 | 第30-31页 |
| 3.1.2 国内对风电功率预测的研究 | 第31-32页 |
| 3.2 影响风电预测精度的主要因素 | 第32-34页 |
| 3.3 BP神经网络预测算法 | 第34-36页 |
| 3.3.1 BP神经网络简介 | 第34-35页 |
| 3.3.2 应用BP神经网络预测步骤 | 第35页 |
| 3.3.3 BP神经网络预测程序设计 | 第35-36页 |
| 3.4 BP神经网络短期负荷和风电功率预测实例研究 | 第36-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 电力系统日前调度和超短期调度研究 | 第40-54页 |
| 4.1 预测调度的总体方案研究 | 第40-42页 |
| 4.2 基于粒子群算法的日前预测调度研究 | 第42-46页 |
| 4.2.1 日前预测调度的设计原则 | 第42页 |
| 4.2.2 基于PSO的日前调度算法 | 第42-46页 |
| 4.2.3 CPLEX规划软件介绍 | 第46页 |
| 4.3 超短期安全约束经济调度研究 | 第46-50页 |
| 4.3.1 超短期调度设计 | 第46-49页 |
| 4.3.2 Yalmip工具包简介 | 第49-50页 |
| 4.4 日前预测调度和超短期预测调度实例研究 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 IEEE_RTS_96测试系统预测调度应用研究 | 第54-64页 |
| 5.1 修改IEEE_RTS_96测试系统概述 | 第54-56页 |
| 5.2 双层滚动预测调度方案设计 | 第56-57页 |
| 5.3 系统滚动调度计算 | 第57-62页 |
| 5.3.1 系统负荷和风电功率滚动预测 | 第57-59页 |
| 5.3.2 系统日前滚动调度 | 第59-60页 |
| 5.3.3 系统日前调度基础上的超短期滚动调度 | 第60-62页 |
| 5.4 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 附录 | 第72-74页 |
| A. 修正的单区域IEEE_RTS_96测试系统结构图 | 第72页 |
| B. IEEE_RTS_96测试系统电纳矩阵B_o的逆阵 | 第72-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-76页 |
| 致谢 | 第76页 |
