含光/储/燃气机的直流微电网能量调度方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-19页 |
| 1.1 微电网的研究目的与意义 | 第12-15页 |
| 1.1.1 微电网的发展 | 第12-14页 |
| 1.1.2 微电网的分类与运行模式 | 第14-15页 |
| 1.1.3 直流微电网的概述 | 第15页 |
| 1.2 直流微电网的研究现状及其关键技术 | 第15-17页 |
| 1.2.1 直流微电网的研究现状 | 第15-16页 |
| 1.2.2 直流微电网的关键技术 | 第16-17页 |
| 1.3 主要研究内容 | 第17-19页 |
| 2 孤岛型直流微电网系统的结构设计 | 第19-29页 |
| 2.1 光伏发电系统 | 第19-22页 |
| 2.1.1 光伏电池模型 | 第19-20页 |
| 2.1.2 光伏电池特性分析 | 第20-21页 |
| 2.1.3 最大功率点跟踪控制 | 第21-22页 |
| 2.2 储能系统 | 第22-26页 |
| 2.2.1 储能技术及其在微电网中的作用 | 第22-23页 |
| 2.2.2 蓄电池模型 | 第23-24页 |
| 2.2.3 蓄电池充放电控制分析 | 第24-26页 |
| 2.3 燃气机发电技术 | 第26页 |
| 2.4 孤岛型直流微电网系统设计 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 孤岛型直流微电网系统稳定性分析 | 第29-41页 |
| 3.1 直流母线电压稳定控制 | 第29-34页 |
| 3.1.1 潜在问题 | 第29-30页 |
| 3.1.2 基于混合电源的直流母线电压稳定方法 | 第30-32页 |
| 3.1.3 仿真分析 | 第32-34页 |
| 3.2 多储能系统协调控制 | 第34-40页 |
| 3.2.1 存在的问题 | 第34-36页 |
| 3.2.2 SOC-I下垂控制方法 | 第36-38页 |
| 3.2.3 仿真实验 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 4 光伏发电功率预测分析 | 第41-54页 |
| 4.1 BP神经网络 | 第41-43页 |
| 4.1.1 BP神经网络 | 第41-42页 |
| 4.1.2 BP神经网络的学习算法 | 第42-43页 |
| 4.2 短期光伏功率预测 | 第43-52页 |
| 4.2.1 相似日的设定 | 第43-44页 |
| 4.2.2 预测模型的确定 | 第44-45页 |
| 4.2.3 预测训练 | 第45-46页 |
| 4.2.4 短期光伏发电的预测方法及实验分析 | 第46-52页 |
| 4.3 本章小结 | 第52-54页 |
| 5 孤岛型直流微电网能量优化调度分析 | 第54-76页 |
| 5.1 孤岛直流微电网能量管理系统 | 第54-57页 |
| 5.1.1 代理和多代理系统 | 第54-55页 |
| 5.1.2 多代理系统结构 | 第55-57页 |
| 5.2 孤岛直流微电网的本地层能量调度方法 | 第57-63页 |
| 5.2.1 基于光伏预测的本地能量调度 | 第57-60页 |
| 5.2.2 仿真验证 | 第60-63页 |
| 5.3 孤岛型直流微电网经济优化调度 | 第63-74页 |
| 5.3.1 本地层能量调度存在的问题分析 | 第63-64页 |
| 5.3.2 目标函数 | 第64-65页 |
| 5.3.3 粒子群优化算法 | 第65-69页 |
| 5.3.4 仿真实验 | 第69-74页 |
| 5.4 本章小结 | 第74-76页 |
| 6 总结与展望 | 第76-78页 |
| 6.1 全文工作总结 | 第76-77页 |
| 6.2 未来工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 附录A：光伏发电功率部分历史样本数据 | 第86-91页 |
| 附录B：PSO优化主程序 | 第91-93页 |
| 攻读硕士学位期间发表的学术论文 | 第93-94页 |
