| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 1 引言 | 第14-28页 |
| 1.1 课题的背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-26页 |
| 1.2.1 最优潮流研究现状 | 第16-19页 |
| 1.2.2 最优潮流算法研究现状 | 第19-23页 |
| 1.2.3 人工蜂群算法研究现状 | 第23-26页 |
| 1.3 本文的主要工作及章节安排 | 第26-28页 |
| 2 人工蜂群算法 | 第28-42页 |
| 2.1 人工蜂群算法的寻优机理 | 第28-33页 |
| 2.1.1 人工蜂群算法的生物学背景 | 第28-29页 |
| 2.1.2 人工蜂群算法的基本模型 | 第29-32页 |
| 2.1.3 人工蜂群算法的寻优步骤 | 第32-33页 |
| 2.2 人工蜂群算法的特点分析 | 第33页 |
| 2.3 人工蜂群算法的收敛性证明 | 第33-36页 |
| 2.3.1 人工蜂群算法的Markov链模型 | 第33-35页 |
| 2.3.2 人工蜂群算法的收敛性证明 | 第35-36页 |
| 2.4 人工蜂群算法的寻优性能仿真计算分析 | 第36-41页 |
| 2.4.1 基准测试函数的选择 | 第36-38页 |
| 2.4.2 仿真计算结果及分析 | 第38-41页 |
| 2.5 本章小结 | 第41-42页 |
| 3 基于混沌差分人工蜂群算法的模糊多目标最优潮流 | 第42-74页 |
| 3.1 最优潮流的数学模型 | 第42-45页 |
| 3.1.1 最优潮流的目标函数 | 第42-43页 |
| 3.1.2 最优潮流的约束条件 | 第43-45页 |
| 3.2 模糊多目标最优潮流的数学模型 | 第45-46页 |
| 3.3 基于人工蜂群算法的最优潮流 | 第46-51页 |
| 3.3.1 ABC算法求解OPF问题时关键环节处理 | 第46-48页 |
| 3.3.2 基于人工蜂群算法的单目标最优潮流 | 第48-50页 |
| 3.3.3 基于人工蜂群算法的模糊多目标最优潮流 | 第50-51页 |
| 3.4 基于混沌差分人工蜂群算法的模糊多目标最优潮流 | 第51-55页 |
| 3.4.1 混沌差分人工蜂群算法 | 第52-53页 |
| 3.4.2 基于混沌差分人工蜂群算法的模糊多目标最优潮流计算流程 | 第53-55页 |
| 3.5 算例计算与分析 | 第55-72页 |
| 3.5.1 混沌差分人工蜂群算法的收敛特性分析 | 第56-60页 |
| 3.5.2 IEEE30节点测试系统的仿真计算与分析 | 第60-68页 |
| 3.5.3 IEEE57节点测试系统的仿真计算与分析 | 第68-72页 |
| 3.6 本章小结 | 第72-74页 |
| 4 基于多目标人工蜂群算法的最优潮流 | 第74-108页 |
| 4.1 多目标优化问题的相关描述 | 第74-75页 |
| 4.2 多目标最优潮流的数学模型 | 第75-76页 |
| 4.3 多目标最优潮流计算的基本框架 | 第76-77页 |
| 4.4 多目标人工蜂群算法的研究 | 第77-85页 |
| 4.4.1 快速非支配排序法 | 第78-79页 |
| 4.4.2 拥挤距离 | 第79页 |
| 4.4.3 多目标人工蜂群算法的研究 | 第79-83页 |
| 4.4.4 多目标人工蜂群算法的寻优步骤 | 第83-85页 |
| 4.5 基于多目标人工蜂群算法的最优潮流 | 第85-87页 |
| 4.5.1 K均值聚类分析 | 第85-86页 |
| 4.5.2 模糊集理论方法 | 第86-87页 |
| 4.5.3 基于多目标人工蜂群算法的最优潮流计算流程 | 第87页 |
| 4.6 算例计算与分析 | 第87-107页 |
| 4.6.1 IEEE30节点测试系统仿真计算及分析 | 第88-103页 |
| 4.6.2 IEEE57节点测试系统仿真计算及分析 | 第103-107页 |
| 4.7 本章小结 | 第107-108页 |
| 5 考虑风电接入及负荷随机变化的概率最优潮流 | 第108-132页 |
| 5.1 风力发电及负荷的概率模型 | 第108-110页 |
| 5.1.1 风力发电的概率模型 | 第108-110页 |
| 5.1.2 负荷的概率模型 | 第110页 |
| 5.2 概率最优潮流的数学模型 | 第110-113页 |
| 5.2.1 概率最优潮流的目标函数 | 第111页 |
| 5.2.2 概率最优潮流的约束条件 | 第111-113页 |
| 5.3 基于拉丁超立方采样的概率潮流计算 | 第113-116页 |
| 5.3.1 基于拉丁超立方采样的蒙特卡洛模拟法 | 第114-115页 |
| 5.3.2 基于拉丁超立方采样的概率潮流计算步骤 | 第115-116页 |
| 5.4 基于改进人工蜂群算法的模糊多目标概率最优潮流 | 第116-125页 |
| 5.4.1 模糊多目标概率最优潮流的数学模型 | 第116页 |
| 5.4.2 基于改进人工蜂群算法的模糊多目标概率最优潮流计算流程 | 第116-117页 |
| 5.4.3 算例计算与分析 | 第117-125页 |
| 5.5 基于多目标人工蜂群算法的概率最优潮流 | 第125-130页 |
| 5.5.1 基于多目标人工蜂群算法的概率最优潮流计算流程 | 第125-126页 |
| 5.5.2 算例计算与分析 | 第126-130页 |
| 5.6 本章小结 | 第130-132页 |
| 6 结论与展望 | 第132-134页 |
| 6.1 结论 | 第132-133页 |
| 6.2 展望 | 第133-134页 |
| 参考文献 | 第134-144页 |
| 作者简历 | 第144-148页 |
| 学位论文数据集 | 第148页 |
