| 摘要 | 第4页 |
| ABSTRACT | 第4页 |
| 目录 | 第5-8页 |
| 第一章 引言 | 第8-13页 |
| 1.1 选题的背景和意义 | 第8-9页 |
| 1.2 电力系统无功优化概述 | 第9-10页 |
| 1.2.1 电力系统无功优化的模型 | 第9页 |
| 1.2.2 电力系统无功优化算法 | 第9-10页 |
| 1.3 无功优化算法 | 第10-12页 |
| 1.3.1 传统优化算法 | 第10-11页 |
| 1.3.2 人工智能算法 | 第11-12页 |
| 1.4 本文的研究范围和主要工作 | 第12-13页 |
| 第二章 蚁群算法与遗传算法的比较研究 | 第13-23页 |
| 2.1 引言 | 第13-14页 |
| 2.2 蚁群算法的原理及模型 | 第14-16页 |
| 2.2.1 蚁群算法的原理 | 第14页 |
| 2.2.2 蚁群算法的模型 | 第14-16页 |
| 2.3 遗传算法的原理及模型 | 第16-17页 |
| 2.3.1 遗传算法的原理 | 第16页 |
| 2.3.2 遗传算法的模型 | 第16-17页 |
| 2.4 算法理论上的比较指标 | 第17-22页 |
| 2.4.1 与传统方法比较 | 第17页 |
| 2.4.2 智能算法比较指标 | 第17-19页 |
| 2.4.3 蚁群算法与蚁群算法的特点的比较 | 第19-21页 |
| 2.4.3.1 遗传算法的特点 | 第19-20页 |
| 2.4.3.2 蚁群算法的特点 | 第20页 |
| 2.4.3.3 算法特点的比较 | 第20-21页 |
| 2.4.4 遗传算法与蚁群算法在实际应用中的优缺点 | 第21页 |
| 2.4.5 基于两种算法的改进算法 | 第21-22页 |
| 2.4.5.1 融合的形态 | 第22页 |
| 2.4.5.2 融合算法的原理 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 蚁群算法与遗传算法在无功优化中应用的比较研究 | 第23-45页 |
| 3.1 电力系统无功优化问题 | 第23-25页 |
| 3.1.1 电力系统无功优化问题概述 | 第23页 |
| 3.1.2 无功优化的数学模型 | 第23-25页 |
| 3.2 蚁群算法在无功优化中的应用 | 第25-29页 |
| 3.2.1 初始种群的布置 | 第25-26页 |
| 3.2.2 蚂蚁搜索图搜索过程 | 第26-28页 |
| 3.2.3 信息素累计和更新 | 第28-29页 |
| 3.2.4 蚁群算法参数的设置 | 第29页 |
| 3.3 遗传算法在无功优化中的应用 | 第29-31页 |
| 3.3.1 遗传算法的数学定理 | 第29页 |
| 3.3.2 遗传算法的步骤 | 第29-31页 |
| 3.4 算例测试 | 第31-44页 |
| 3.4.1 测试平台简介 | 第32页 |
| 3.4.2 程序设计、结构及特点介绍 | 第32-35页 |
| 3.4.2.1 程序设计 | 第32-33页 |
| 3.4.2.2 程序结构 | 第33-34页 |
| 3.4.2.3 程序特点 | 第34-35页 |
| 3.4.2.4 结果的界面显示 | 第35页 |
| 3.4.3 测试数据简介 | 第35-38页 |
| 3.4.4 参数设置 | 第38页 |
| 3.4.5 算例分析 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 蚁群遗传混合算法应用于电力系统无功优化 | 第45-50页 |
| 4.1 两种算法融合的理论基础 | 第45页 |
| 4.2 混合算法应用于无功优化问题的具体操作 | 第45-46页 |
| 4.2.1 蚁群初始迭代 | 第45-46页 |
| 4.2.2 解空间的遗传操作 | 第46页 |
| 4.2.3 最优解的选取 | 第46页 |
| 4.3 算法测试 | 第46-49页 |
| 4.3.1 参数设置 | 第46页 |
| 4.3.2 测试数据 | 第46-47页 |
| 4.3.3 算例分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 5.1 论文工作总结 | 第50页 |
| 5.2 有待进一步研究的问题及展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 附录1 | 第57-58页 |
| 附录2 | 第58-60页 |
| 在学期间发表的学术论文和参加科研情况 | 第60页 |