| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 电压无功优化的作用 | 第8-10页 |
| 1.2 电压无功优化的研究现状 | 第10-14页 |
| 1.2.1 经典的的电压无功优化 | 第10-11页 |
| 1.2.2 实时控制方法 | 第11-12页 |
| 1.2.3 改进九区图的无功优化 | 第12-13页 |
| 1.2.4 基于负荷预测的优化 | 第13页 |
| 1.2.5 基于多 Agent 技术的优化 | 第13-14页 |
| 1.3 本文研究的主要内容 | 第14-15页 |
| 第二章 无功电压优化调控的原理、规律和控制模式 | 第15-23页 |
| 2.1 VQC 的原理及相关计算 | 第15-21页 |
| 2.1.1 负载对电压的影响 | 第18-19页 |
| 2.1.2 变压器调档和电容器投切的原理及影响 | 第19-21页 |
| 2.2 VQC 的基本控制规律 | 第21页 |
| 2.3 VQC 的基本控制模式 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 多 Agent 技术及其 VQC 应用 | 第23-33页 |
| 3.1 Multi-Agent 系统 | 第23-25页 |
| 3.1.1 Agent 时代 | 第23-25页 |
| 3.1.2 Agent 特性 | 第25页 |
| 3.2 Agent 的规范和软件实现平台 | 第25-29页 |
| 3.2.1 FIPA 规范 | 第26-28页 |
| 3.2.2 JADE 平台 | 第28-29页 |
| 3.3 Multi-Agent 系统中 Agent 的行为 | 第29-31页 |
| 3.4 Multi-Agent 系统的通信协作 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 概率性负荷预测 | 第33-42页 |
| 4.1 负荷预测 | 第33-36页 |
| 4.1.1 负荷预测概述 | 第33-34页 |
| 4.1.2 小波神经网络 | 第34-35页 |
| 4.1.3 小波神经网络预测算例 | 第35-36页 |
| 4.2 概率性负荷预测 | 第36-41页 |
| 4.2.1 负荷的不确定性 | 第36-37页 |
| 4.2.2 概率性负荷预测的实现 | 第37-39页 |
| 4.2.3 概率性电压预测 | 第39-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 基于多 Agent 技术和概率性预测控制策略 | 第42-55页 |
| 5.1 VQC 优化目标和优化模型 | 第42-46页 |
| 5.1.1 单一变电站的优化模型 | 第43-44页 |
| 5.1.2 考虑负荷不确定性的优化模型 | 第44-46页 |
| 5.1.3 两级级联变电站的优化模型 | 第46页 |
| 5.2 基于多 Agent 技术的 VQC 控制策略 | 第46-50页 |
| 5.3 算例仿真 | 第50-54页 |
| 5.3.1 仿真 | 第50-53页 |
| 5.2.2 结果分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 发表论文和参加科研情况说明 | 第60-61页 |
| 致谢 | 第61页 |
