| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 GSA算法研究现状 | 第10-11页 |
| 1.2.2 多目标优化算法研究现状 | 第11-12页 |
| 1.2.3 风光储容量配置研究现状 | 第12-14页 |
| 1.3 论文的组织结构 | 第14-16页 |
| 第2章 GSA基本原理及性能分析 | 第16-27页 |
| 2.1 GSA基本原理与实现流程 | 第16-20页 |
| 2.1.1 物理学原理 | 第16-17页 |
| 2.1.2 GSA基本原理 | 第17-18页 |
| 2.1.3 算法流程 | 第18-19页 |
| 2.1.4 参数分析 | 第19-20页 |
| 2.2 GSA性能测试 | 第20-27页 |
| 2.2.1 RGA算法 | 第20-21页 |
| 2.2.2 PSO算法 | 第21-22页 |
| 2.2.3 性能测试 | 第22-27页 |
| 第3章 基于Pareto熵的多目标万有引力优化算法 | 第27-43页 |
| 3.1 Pareto熵的定义 | 第27-32页 |
| 3.1.1 多目标优化问题定义 | 第27-28页 |
| 3.1.2 Pareto最优解 | 第28-29页 |
| 3.1.3 平行网格坐标 | 第29-30页 |
| 3.1.4 Pareto熵及其差熵 | 第30-32页 |
| 3.2 精英保留策略 | 第32-33页 |
| 3.3 Pareto档案维护策略 | 第33-34页 |
| 3.3.1 Pareto档案的个体适应度评价 | 第33页 |
| 3.3.2 Pareto档案更新策略 | 第33-34页 |
| 3.4 基于Pareto熵的运行状态判断 | 第34-39页 |
| 3.4.1 Pareto熵的变化分析 | 第34-37页 |
| 3.4.2 运行状态的定义 | 第37页 |
| 3.4.3 运行状态的阈值估计 | 第37-39页 |
| 3.4.4 运行状态的判定条件 | 第39页 |
| 3.5 自适应参数 | 第39-40页 |
| 3.5.1 GSA搜索系数 | 第39-40页 |
| 3.5.2 精英策略系数 | 第40页 |
| 3.6 算法流程 | 第40-43页 |
| 第4章 基于PE-MGSA的风光储容量优化配置模型 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 风光储发电单元系统结构 | 第43-44页 |
| 4.3 机组出力模型 | 第44-46页 |
| 4.3.1 风力发电机 | 第44-45页 |
| 4.3.2 光伏组件 | 第45页 |
| 4.3.3 蓄电池组 | 第45-46页 |
| 4.4 协调控制策略 | 第46页 |
| 4.5 目标函数与约束条件 | 第46-48页 |
| 4.5.1 目标函数 | 第46-47页 |
| 4.5.2 约束条件 | 第47-48页 |
| 4.6 基于逼近理想解排序法偏好策略 | 第48-49页 |
| 4.7 容量优化配置总体流程 | 第49-53页 |
| 第5章 系统实现及性能测试 | 第53-65页 |
| 5.1 系统设计 | 第53-58页 |
| 5.1.1 总体设计 | 第53-54页 |
| 5.1.2 功能设计 | 第54-55页 |
| 5.1.3 数据库设计 | 第55-58页 |
| 5.2 系统实现 | 第58-65页 |
| 5.2.1 系统技术架构 | 第58-59页 |
| 5.2.2 功能实现及算例分析 | 第59-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第72-73页 |
| 致谢 | 第73页 |