配电设备运行状态在线监测及能源优化调度研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 国内外微电网研究现状 | 第10-11页 |
| 1.2.2 国内外在线监测研究现状 | 第11-12页 |
| 1.2.3 国内外能源优化调度研究现状 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第2章 在线监测及能源优化调度相关技术 | 第15-22页 |
| 2.1 数据挖掘技术 | 第15-19页 |
| 2.1.1 数据挖掘的意义 | 第15-16页 |
| 2.1.2 数据挖掘方法 | 第16-17页 |
| 2.1.3 数据挖掘在在线监测系统中的应用 | 第17-19页 |
| 2.2 LabVIEW虚拟仪器技术 | 第19-21页 |
| 2.2.1 LabVIEW定义及应用 | 第19-20页 |
| 2.2.2 LabVIEW的优势 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 在线监测系统的设计与实现 | 第22-34页 |
| 3.1 支持向量机聚类算法在在线监测中的应用 | 第22-26页 |
| 3.1.1 支持向量机概述 | 第22-24页 |
| 3.1.2 核函数选择 | 第24-26页 |
| 3.1.3 参数的优化及对分类的影响 | 第26页 |
| 3.2 LabVIEW程序设计框架 | 第26-27页 |
| 3.3 用户登录程序设计 | 第27-28页 |
| 3.4 主测试界面设计 | 第28-32页 |
| 3.4.1 功率采集监测模块 | 第28-29页 |
| 3.4.2 温度监测模块 | 第29-31页 |
| 3.4.3 其他参数监测模块 | 第31-32页 |
| 3.5 支持向量机算法在LabVIEW中的实现 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 分布式能源系统模型 | 第34-41页 |
| 4.1 风力机组发电模型 | 第34-36页 |
| 4.1.1 风力发电原理及数学模型 | 第34-35页 |
| 4.1.2 风力发电机组并网方式 | 第35-36页 |
| 4.2 光伏发电系统发电模型 | 第36-37页 |
| 4.2.1 光伏发电原理及数学模型 | 第36-37页 |
| 4.2.2 光伏发电系统并网方式 | 第37页 |
| 4.3 蓄电池作用及模型 | 第37-40页 |
| 4.3.1 蓄电池放电功率模型 | 第38-39页 |
| 4.3.2 蓄电池充电功率模型 | 第39-40页 |
| 4.3.3 蓄电池充放电功率简易模型 | 第40页 |
| 4.3.4 蓄电池能量的并网运用 | 第40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 基于改进粒子群算法的能源优化调度 | 第41-56页 |
| 5.1 经济调度数学模型 | 第41-43页 |
| 5.1.1 目标函数 | 第41-42页 |
| 5.1.2 约束条件 | 第42-43页 |
| 5.2 能源优化调度策略 | 第43-46页 |
| 5.2.1 博弈论粒子群算法介绍 | 第43-45页 |
| 5.2.2 粒子群算法在优化调度中的应用 | 第45-46页 |
| 5.3 算例分析 | 第46-54页 |
| 5.3.1 经济运行模型 | 第47-48页 |
| 5.3.2 约束条件及目标函数 | 第48-50页 |
| 5.3.3 模型建立及求解 | 第50-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第6章 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |
