| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 水火电优化调度模型的研究现状 | 第12-13页 |
| 1.2.2 求解算法的研究现状 | 第13-14页 |
| 1.3 本文主要工作 | 第14-16页 |
| 第二章 梯级水电站入库径流量不确定性分析 | 第16-26页 |
| 2.1 单个水电站入库径流量概率分布 | 第16-19页 |
| 2.1.1 入库径流量概率模型 | 第16-17页 |
| 2.1.2 入库径流量概率分布的参数估计 | 第17-19页 |
| 2.2 基于Copula函数的梯级水电站入库径流量联合概率分布 | 第19-24页 |
| 2.2.1 Copula函数与尾部相关性 | 第19-20页 |
| 2.2.2 Copula函数分类 | 第20-21页 |
| 2.2.3 Copula函数的拟合优度检验 | 第21-24页 |
| 2.2.4 梯级水电站入库径流量联合概率分布 | 第24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于入库径流量随机性的水火电随机优化调度 | 第26-31页 |
| 3.1 机会约束规划理论 | 第26-27页 |
| 3.1.1 机会约束规划模型简介 | 第26页 |
| 3.1.2 机会约束规划的近似方法 | 第26-27页 |
| 3.2 水火电随机优化调度模型 | 第27-29页 |
| 3.2.1 目标函数 | 第27-28页 |
| 3.2.2 约束条件 | 第28-29页 |
| 3.3 随机优化调度模型转换 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 改进粒子群算法及其模型求解 | 第31-38页 |
| 4.1 标准粒子群算法 | 第31-32页 |
| 4.2 BP神经网络理论概述 | 第32-34页 |
| 4.3 基于BP神经网络的改进粒子群算法 | 第34-36页 |
| 4.4 模型求解 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 算例分析 | 第38-48页 |
| 5.1 参数设定 | 第38-39页 |
| 5.2 梯级水电站入库径流量分析 | 第39-42页 |
| 5.3 水火电随机优化调度结果分析 | 第42-48页 |
| 5.3.1 置信水平和抽样次数对优化调度的影响分布 | 第42-44页 |
| 5.3.2 优化算法对优化调度的影响分析 | 第44-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 附录A 发表论文 | 第54-55页 |
| 致谢 | 第55页 |