| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 智能配电网的基本概念 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 国内研究现状 | 第10-11页 |
| 1.3.2 国外研究现状 | 第11-12页 |
| 1.4 本文主要研究内容 | 第12-14页 |
| 第2章 智能配电网自愈控制与优化运行方式的研究 | 第14-24页 |
| 2.1 智能配电网自愈控制概述 | 第14-15页 |
| 2.2 智能配电网自愈控制体系 | 第15-19页 |
| 2.2.1 智能配电网自动化系统 | 第15-16页 |
| 2.2.2 自愈控制框架结构及功能 | 第16-18页 |
| 2.2.3 自愈控制的评价指标 | 第18-19页 |
| 2.3 智能配电网运行方式的优化 | 第19-21页 |
| 2.3.1 配电网的运行方式描述 | 第19页 |
| 2.3.2 实现运行方式优化的途径 | 第19-21页 |
| 2.3.3 人工智能算法 | 第21页 |
| 2.4 智能配电网的数学模型 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 采用量子遗传算法的智能配电网重构 | 第24-34页 |
| 3.1 遗传算法概述 | 第24-25页 |
| 3.2 量子编码概述 | 第25-27页 |
| 3.3 量子遗传算法用于智能配电网重构 | 第27-30页 |
| 3.3.1 配电网负荷均衡化概述 | 第27-29页 |
| 3.3.2 量子遗传算法用于智能配电网的负荷均衡化 | 第29-30页 |
| 3.3.3 量子遗传算法优化智能配电网运行方式流程 | 第30页 |
| 3.4 算例仿真与分析 | 第30-33页 |
| 3.4.1 配电网简化模型 | 第30-31页 |
| 3.4.2 配电网系统的参数设置 | 第31页 |
| 3.4.3 仿真结果分析 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 动态粒子群算法用于负荷变化配电网重构 | 第34-43页 |
| 4.1 基本粒子群算法 | 第34-35页 |
| 4.2 动态配电网数学模型 | 第35-37页 |
| 4.3 负荷变化的配电网重构 | 第37-39页 |
| 4.4 算例分析 | 第39-42页 |
| 4.4.1 模型参数设置 | 第39-40页 |
| 4.4.2 仿真结果分析 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于改进蚁群算法的智能配电网自愈控制 | 第43-54页 |
| 5.1 基本蚁群算法 | 第43-44页 |
| 5.2 Huffman编码 | 第44-46页 |
| 5.3 改进的蚁群算法 | 第46-48页 |
| 5.3.1 智能配电网故障 | 第46页 |
| 5.3.2 改进算法的自愈控制 | 第46-47页 |
| 5.3.3 混合算法实现二重故障自愈流程 | 第47-48页 |
| 5.4 算例仿真与分析 | 第48-53页 |
| 5.4.1 数学模型的建立 | 第48页 |
| 5.4.2 智能配电网参数设置 | 第48-49页 |
| 5.4.3 仿真结果分析 | 第49-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |