| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-14页 |
| 插图列表 | 第14-16页 |
| 表格列表 | 第16-18页 |
| 符号及缩写说明 | 第18-20页 |
| 第1章 绪论 | 第20-34页 |
| ·小水电群优化调度问题 | 第20-22页 |
| ·小水电群优化调度问题研究意义 | 第22-24页 |
| ·小水电群优化调度方法研究现状 | 第24-30页 |
| ·入库径流模型 | 第24-26页 |
| ·数学模型 | 第26-27页 |
| ·数学模型求解方法 | 第27-30页 |
| ·小水电群优化调度系统研究现状 | 第30-31页 |
| ·本文的主要研究内容 | 第31-34页 |
| 第2章 小水电群优化调度数学模型 | 第34-42页 |
| ·引言 | 第34-35页 |
| ·以发电量最大为目标的优化调度数学模型 | 第35-38页 |
| ·以控制水位和弃水最小为目标的优化调度数学模型 | 第38-39页 |
| ·结合小水电生态调度要求的流量约束 | 第39-41页 |
| ·小水电生态调度 | 第39页 |
| ·发电引用流量约束条件 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 基于粒子群优化算法的小水电群优化调度 | 第42-72页 |
| ·引言 | 第42-44页 |
| ·APSO算法求解小水电群优化调度问题 | 第44-49页 |
| ·APSO算法 | 第44-45页 |
| ·粒子编码 | 第45-46页 |
| ·粒子适应度函数 | 第46-47页 |
| ·粒子的速度和位置迭代更新方法 | 第47-48页 |
| ·算法流程 | 第48-49页 |
| ·APSO算法求解小水电群优化调度问题实例 | 第49-55页 |
| ·高岭头一级、二级电站简况 | 第49-50页 |
| ·高岭头电站以发电量最大为目标的优化调度模型 | 第50-51页 |
| ·APSO算法优化调度仿真及结果分析 | 第51-55页 |
| ·RPSO算法求解小水电群优化调度问题 | 第55-59页 |
| ·RPSO算法 | 第55-57页 |
| ·RPSO算法求解小水电群优化调度问题流程 | 第57-58页 |
| ·RPSO算法时间复杂度分析 | 第58-59页 |
| ·RPSO算法求解小水电群优化调度问题实例 | 第59-62页 |
| ·枫树岭电站简况 | 第59页 |
| ·电站以控制水位和弃水最小为目标的优化调度模型 | 第59-60页 |
| ·RPSO算法优化调度仿真结果及分析 | 第60-62页 |
| ·粒子群优化算法求解小水电群优化调度问题性能分析 | 第62-71页 |
| ·三插溪电站及其优化调度数学模型 | 第62-63页 |
| ·递增因子和递减因子对RPSO算法的性能影响分析 | 第63-65页 |
| ·PSO、APSO和RPSO算法求解不同模型性能比较 | 第65-70页 |
| ·PSO、APSO和RPSO算法的精度、稳定度和复杂度比较 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第4章 基于文化算法的小水电群优化调度 | 第72-104页 |
| ·引言 | 第72-74页 |
| ·文化算法 | 第74-79页 |
| ·文化进化理论 | 第74-76页 |
| ·Memetic算法 | 第76-77页 |
| ·文化算法设计 | 第77-79页 |
| ·文化算法求解小水电群优化调度问题 | 第79-86页 |
| ·种群空间 | 第80页 |
| ·信仰空间 | 第80-81页 |
| ·接受函数和影响函数 | 第81-82页 |
| ·空间进化策略 | 第82-84页 |
| ·算法流程 | 第84-85页 |
| ·算法时间复杂度 | 第85-86页 |
| ·文化算法求解小水电群优化调度实例 | 第86-88页 |
| ·小水电群实例及参数设置 | 第86-87页 |
| ·优化调度仿真结果及分析 | 第87-88页 |
| ·文化算法求解小水电群优化调度性能分析 | 第88-93页 |
| ·MA和SGA、GSA优化调度结果比较 | 第89-92页 |
| ·MA和SGA、GSA的精度、稳定度和复杂度比较 | 第92-93页 |
| ·不同水文年优化调度结果 | 第93-102页 |
| ·小水电群不同水文年的确定型径流模型 | 第94-95页 |
| ·MA优化调度参数设置 | 第95-96页 |
| ·丰水年优化调度结果 | 第96-97页 |
| ·平水年优化调度结果 | 第97-99页 |
| ·枯水年优化调度结果 | 第99-101页 |
| ·不同水文年和不同模型的优化调度结果分析 | 第101-102页 |
| ·本章小结 | 第102-104页 |
| 第5章 基于基因拟子协同进化算法的小水电群优化调度 | 第104-133页 |
| ·引言 | 第104-105页 |
| ·拟子的涵义 | 第105-109页 |
| ·基因拟子协同进化算法 | 第109-120页 |
| ·算法的框架 | 第109-110页 |
| ·算法拟子 | 第110-111页 |
| ·算法文化 | 第111页 |
| ·算法协同进化策略 | 第111-116页 |
| ·文化进化算子 | 第116-117页 |
| ·算法一般步骤 | 第117-118页 |
| ·GMCA收敛性和时间复杂度 | 第118-120页 |
| ·GMCA求解小水电群优化调度问题 | 第120-123页 |
| ·拟子和文化表示方法 | 第120-122页 |
| ·染色体编码和适应度函数 | 第122页 |
| ·算法流程 | 第122-123页 |
| ·GMCA求解小水电群优化调度问题仿真 | 第123-129页 |
| ·基因拟子数据结构和算法参数 | 第124-125页 |
| ·仿真结果及分析 | 第125-127页 |
| ·GMCA和SGA、HGA、PSO优化调度比较 | 第127-129页 |
| ·小水电群智能优化调度方法比较 | 第129-131页 |
| ·本章小结 | 第131-133页 |
| 第6章 地方电网小水电群优化调度系统 | 第133-156页 |
| ·引言 | 第133-134页 |
| ·系统结构及功能 | 第134-137页 |
| ·系统结构 | 第134-135页 |
| ·系统功能 | 第135-137页 |
| ·信息管理查询方法 | 第137-141页 |
| ·数据管理方法 | 第137-139页 |
| ·资源特性管理方法 | 第139页 |
| ·历史运行数据统计查询方法 | 第139-140页 |
| ·报表管理方法 | 第140-141页 |
| ·梯级水电优化调度方法 | 第141-144页 |
| ·来水预测方法 | 第141-142页 |
| ·长期优化调度模块 | 第142页 |
| ·短期优化调度模块 | 第142-143页 |
| ·日优化调度模块 | 第143页 |
| ·结果输出方式 | 第143-144页 |
| ·温州电网梯级水电优化调度系统 | 第144-155页 |
| ·基本情况 | 第144页 |
| ·系统主要功能 | 第144-145页 |
| ·系统降雨和来水分析功能应用 | 第145-147页 |
| ·系统历史运行数据查询统计功能应用 | 第147-150页 |
| ·系统优化调度功能应用 | 第150-152页 |
| ·优化调度绩效分析应用 | 第152-155页 |
| ·本章小结 | 第155-156页 |
| 第7章 总结与展望 | 第156-160页 |
| ·总结 | 第156-159页 |
| ·展望 | 第159-160页 |
| 参考文献 | 第160-171页 |
| 致谢 | 第171-172页 |
| 攻读博士学位期间发表的学术论文 | 第172-173页 |
| 攻读博士学位期间获得的科研表彰奖励 | 第173页 |
