| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 分布式电源选址定容方法研究现状 | 第12-13页 |
| 1.2.2 储能系统优化方法研究现状 | 第13-15页 |
| 1.3 主要内容与研究路线 | 第15-17页 |
| 1.3.1 主要内容 | 第15页 |
| 1.3.2 研究路线 | 第15-17页 |
| 第2章 微电网经济运行相关单元建模与仿真 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 光伏发电系统建模与仿真 | 第17-22页 |
| 2.2.1 光伏电池工作原理 | 第17-18页 |
| 2.2.2 光伏电池最大功率跟踪技术 | 第18-20页 |
| 2.2.3 光伏发电系统仿真分析 | 第20-22页 |
| 2.3 储能系统建模与仿真 | 第22-28页 |
| 2.3.1 微电网中的储能系统 | 第22-23页 |
| 2.3.2 铅酸蓄电池数学模型 | 第23-25页 |
| 2.3.3 铅酸蓄电池充放电控制策略 | 第25-26页 |
| 2.3.4 铅酸蓄电池系统仿真分析 | 第26-28页 |
| 2.4 微电网线路损耗模型分析 | 第28-32页 |
| 2.4.1 含分布式电源的微电网线路建模 | 第28-30页 |
| 2.4.2 不同容量的分布式电源对微电网网损的影响 | 第30-31页 |
| 2.4.3 不同接入位置的分布式电源对微电网网损的影响 | 第31-32页 |
| 2.5 小结 | 第32-33页 |
| 第3章 基于免疫算法的分布式电源选址定容优化方法 | 第33-44页 |
| 3.1 引言 | 第33页 |
| 3.2 分布式电源选址定容优化模型 | 第33-35页 |
| 3.3 分布式电源选址定容优化方法 | 第35-38页 |
| 3.3.1 免疫算法概述 | 第35页 |
| 3.3.2 免疫算法优化流程 | 第35-38页 |
| 3.4 基于免疫算法的微电网选址定容方法仿真分析 | 第38-43页 |
| 3.4.1 算例介绍 | 第38-39页 |
| 3.4.2 仿真结果与经济性分析 | 第39-43页 |
| 3.5 小结 | 第43-44页 |
| 第4章 基于模糊控制的微电网储能系统优化方法 | 第44-64页 |
| 4.1 引言 | 第44页 |
| 4.2 蓄电池运行特性研究 | 第44-46页 |
| 4.3 储能系统的模糊控制器设计 | 第46-51页 |
| 4.3.1 模糊控制策略概述 | 第46-47页 |
| 4.3.2 模糊控制策略数据处理 | 第47-48页 |
| 4.3.3 模糊控制规则建立 | 第48-49页 |
| 4.3.4 储能系统运行模式判断 | 第49-51页 |
| 4.4 基于小波神经网络的微电网短期数据预测 | 第51-54页 |
| 4.4.1 小波理论与小波神经网络概述 | 第51-52页 |
| 4.4.2 基于小波神经网络的预测算法设计 | 第52-53页 |
| 4.4.3 预测算法仿真结果分析 | 第53-54页 |
| 4.5 基于模糊控制的蓄电池优化方法仿真 | 第54-63页 |
| 4.5.1 经济运行模式仿真分析 | 第55-58页 |
| 4.5.2 稳定运行模式仿真分析 | 第58-61页 |
| 4.5.3 算法经济性分析 | 第61-63页 |
| 4.6 小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文 | 第69-70页 |
| 附录A 小波神经网络算法程序 | 第70-73页 |
| 附录B 蓄电池运行模式判断 | 第73-74页 |