孤岛微电网中多种分布式低碳能源智能优化分配算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·课题的背景和意义 | 第11-13页 |
| ·微网基本概念 | 第13页 |
| ·国内外研究现状 | 第13-15页 |
| ·国内外微电网的研究现状 | 第13-14页 |
| ·分布式低碳清洁能源研究概况 | 第14-15页 |
| ·强化学习方法研究现状 | 第15-20页 |
| ·强化学习理论简介 | 第15-17页 |
| ·马尔可夫决策过程 | 第17-18页 |
| ·博弈理论 | 第18-20页 |
| ·本文主要工作任务 | 第20-21页 |
| 第二章 分布式低碳清洁能源的数学建模 | 第21-40页 |
| ·小水电数学模型 | 第21-27页 |
| ·水轮机数学模型 | 第21-23页 |
| ·调速器数学模型 | 第23-24页 |
| ·水力发电机数学模型 | 第24-25页 |
| ·励磁系统数学模型 | 第25-27页 |
| ·燃气轮机模型 | 第27页 |
| ·风速模拟及风机模型 | 第27-30页 |
| ·风力发电概况 | 第27-28页 |
| ·风速模拟 | 第28-29页 |
| ·风机模型 | 第29-30页 |
| ·光伏发电数学模型 | 第30-31页 |
| ·生物质能发电 | 第31-32页 |
| ·电动汽车主动负荷 | 第32-34页 |
| ·负荷模型/负荷曲线 | 第34-36页 |
| ·储能模型 | 第36-39页 |
| ·超导磁储能系统 | 第36-37页 |
| ·飞轮储能系统 | 第37-38页 |
| ·蓄电池储能系统 | 第38-39页 |
| ·本章小节 | 第39-40页 |
| 第三章 基于强化学习的有功负荷动态最优分配 | 第40-61页 |
| ·Q-学习算法 | 第40-41页 |
| ·Q(λ)学习算法 | 第41-43页 |
| ·PROP 比较算法 | 第43页 |
| ·仿真建模 | 第43-49页 |
| ·含多种低碳新能源的微电网仿真研究 | 第43-45页 |
| ·仿真分析 | 第45-49页 |
| ·基于单步 Q 学习的控制器设计 | 第49-53页 |
| ·动作值和状态值 | 第49-50页 |
| ·奖励函数 | 第50-52页 |
| ·仿真算例 | 第52-53页 |
| ·基于 Q(λ)学习算法的控制器设计 | 第53-56页 |
| ·参数设计 | 第53-54页 |
| ·迭代步骤 | 第54-55页 |
| ·仿真算例 | 第55-56页 |
| ·基于 PROP 算法的控制器设计 | 第56-58页 |
| ·对比分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第四章 计及节能发电调度的孤岛微电网负荷优化分配 | 第61-70页 |
| ·基于 Q 学习的节能优化分配 | 第62-65页 |
| ·动作集和状态集 | 第62-63页 |
| ·仿真算例研究 | 第63-65页 |
| ·基于 Q(λ)学习的节能优化分配 | 第65-67页 |
| ·动作集和状态集 | 第65页 |
| ·仿真算例研究 | 第65-67页 |
| ·基于 PROP 的优化分配 | 第67-68页 |
| ·性能指标对比 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |
