| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 优化模型的研究现状 | 第10-13页 |
| 1.2.2 优化求解方法的研究现状 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15-17页 |
| 第二章 含分布式电源的配电网潮流分析 | 第17-29页 |
| 2.1 典型的分布式发电技术 | 第17-22页 |
| 2.1.1 太阳能光伏发电 | 第17-19页 |
| 2.1.2 风力发电 | 第19-20页 |
| 2.1.3 燃料电池发电 | 第20-21页 |
| 2.1.4 微型燃气轮机发电 | 第21-22页 |
| 2.2 含分布式电源的配电网潮流分析 | 第22-26页 |
| 2.2.1 分布式电源并网节点类型 | 第22-23页 |
| 2.2.2 分布式电源并网节点处理方法 | 第23-25页 |
| 2.2.3 含DG的配电网潮流计算方法 | 第25-26页 |
| 2.3 算例分析 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 DG对配电网影响的分析及优化配置模型的建立 | 第29-41页 |
| 3.1 DG对配电网系统的影响 | 第29-35页 |
| 3.1.1 DG对潮流流向的影响 | 第29-30页 |
| 3.1.2 DG对电压偏移的影响 | 第30-31页 |
| 3.1.3 DG对电压波动的影响 | 第31-32页 |
| 3.1.4 DG对网络损耗的影响 | 第32-34页 |
| 3.1.5 DG对配电网可靠性的影响 | 第34-35页 |
| 3.2 DG多目标优化配置函数模型 | 第35-39页 |
| 3.2.1 投资及运行成本最低 | 第35-36页 |
| 3.2.2 系统有功网络损耗最小 | 第36页 |
| 3.2.3 节点电压偏移最小 | 第36-37页 |
| 3.2.4 约束条件 | 第37-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 MOPSO算法在配电网规划中的应用与改进 | 第41-55页 |
| 4.1 多目标优化问题概述 | 第41-44页 |
| 4.1.1 多目标优化问题通用模型及基本概念 | 第41-42页 |
| 4.1.2 基本粒子群算法 | 第42-43页 |
| 4.1.3 多目标粒子群算法 | 第43-44页 |
| 4.2 MOPSO算法的改进策略 | 第44-50页 |
| 4.2.1 惯性权重和加速因子的动态调整 | 第44页 |
| 4.2.2 改进的边界粒子变异处理策略 | 第44-46页 |
| 4.2.3 最优引导策略 | 第46页 |
| 4.2.4 快速非支配解排序 | 第46-49页 |
| 4.2.5 全局扰动策略 | 第49-50页 |
| 4.3 IMOPSO算法性能评价与实验测试分析 | 第50-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 含分布式电源的配电网规划及其仿真验证 | 第55-67页 |
| 5.1 DG多目标优化配置求解过程 | 第55-56页 |
| 5.1.1 决策变量及其数学描述 | 第55页 |
| 5.1.2 DG多目标优化配置求解步骤 | 第55-56页 |
| 5.2 算例模型及其参数设置 | 第56-58页 |
| 5.3 算例结果及其分析 | 第58-63页 |
| 5.4 IMOPSO算法与NSGA-II算法优化结果对比分析 | 第63-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 6.1 结论 | 第67-68页 |
| 6.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间所取得的相关科研成果 | 第73-75页 |
| 致谢 | 第75-77页 |
| 附录 A.IEEE33-NODES配电系统数据 | 第77-78页 |