| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 风电并网系统的优化运行的研究现状 | 第10-13页 |
| 1.2.2 提高系统的风电消纳能力的研究现状 | 第13-14页 |
| 1.2.3 风电功率预测的研究现状 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 第2章 基于神经网络的风电功率预测 | 第17-32页 |
| 2.1 引言 | 第17页 |
| 2.2 神经网络 | 第17-20页 |
| 2.2.1 神经网络概述 | 第17页 |
| 2.2.2 神经网络模型 | 第17-19页 |
| 2.2.3 神经网络的训练和学习 | 第19-20页 |
| 2.3 RBF神经网络与神经网络工具箱 | 第20-23页 |
| 2.3.1 RBF神经网络概述 | 第20-22页 |
| 2.3.2 神经网络工具箱的介绍 | 第22-23页 |
| 2.4 基于RBF神经网络的风电场功率预测 | 第23-30页 |
| 2.4.1 数据归一化与模型性能评价指标 | 第23页 |
| 2.4.2 算例分析 | 第23-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 高渗透率风电并网系统优化运行模型 | 第32-37页 |
| 3.1 引言 | 第32页 |
| 3.2 风电并网系统优化运行模型 | 第32-36页 |
| 3.2.1 目标函数 | 第32-34页 |
| 3.2.2 约束条件 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 交互式多目标决策方法及其在风电并网系统优化运行中的运用 | 第37-44页 |
| 4.1 引言 | 第37页 |
| 4.2 交互式多目标决策方法 | 第37-39页 |
| 4.2.1 多目标决策问题 | 第38页 |
| 4.2.2 目标满意度 | 第38页 |
| 4.2.3 总体协调度函数 | 第38-39页 |
| 4.3 交互式多目标决策模型 | 第39-40页 |
| 4.4 交互式多目标决策方法在风电并网系统优化运行中的运用 | 第40-43页 |
| 4.4.1 风―水―火电系统优化运行的目标满意度和目标总体协调度 | 第40-42页 |
| 4.4.2 风―水―火电系统优化运行的决策模型 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于粒子群算法的高渗透率风电并网系统优化运行决策 | 第44-67页 |
| 5.1 引言 | 第44页 |
| 5.2 粒子群算法概述 | 第44-45页 |
| 5.3 粒子群算法的原理 | 第45-49页 |
| 5.3.1 个体最优位置、全局最优位置确定方式 | 第45页 |
| 5.3.2 粒子速度、位置更新方式 | 第45-46页 |
| 5.3.3 粒子群算法的参数设置 | 第46页 |
| 5.3.4 粒子群算法的参数分析 | 第46-48页 |
| 5.3.5 粒子群算法的终止条件 | 第48页 |
| 5.3.6 粒子群算法的计算流程 | 第48-49页 |
| 5.4 粒子群工具箱的介绍 | 第49-50页 |
| 5.5 风―水―火电系统优化运行的交互式决策算例分析 | 第50-65页 |
| 5.6 本章小结 | 第65-67页 |
| 第6章 结论与展望 | 第67-69页 |
| 6.1 结论 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读学位期间的研究成果 | 第75页 |
