| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 PHEV 并网研究现状 | 第10-13页 |
| 1.2.1 国内外 PHEV 的发展现状 | 第10页 |
| 1.2.2 V2G 技术研究现状 | 第10-12页 |
| 1.2.3 不平衡供电潮流计算研究现状 | 第12-13页 |
| 1.3 配电网无功优化研究现状 | 第13-15页 |
| 1.3.1 常规优化算法 | 第13-14页 |
| 1.3.2 人工智能方法 | 第14-15页 |
| 1.4 本文主要内容 | 第15-17页 |
| 第2章 基于蒙特卡洛模拟的 PHEV 充电策略研究 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 PHEV 自主充电模型 | 第17-19页 |
| 2.3 考虑电池容量的延时充电策略 | 第19-22页 |
| 2.4 算例分析 | 第22-25页 |
| 2.4.1 负荷计算 | 第22-23页 |
| 2.4.2 潮流分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 考虑 PHEV 并网的配电网潮流计算 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 分布式负荷处理 | 第26-30页 |
| 3.2.1 数学模型 | 第26-28页 |
| 3.2.2 含分布式负荷和 PHEV 的配电网单相潮流计算 | 第28-30页 |
| 3.3 配电网三相潮流模型 | 第30-32页 |
| 3.4 配电网缺相供电 | 第32-37页 |
| 3.4.1 数学模型 | 第32-36页 |
| 3.4.2 缺相供电的配电网三相潮流算例分析 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 含 PHEV 的配电网电容器优化投切 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 遗传算法改进 | 第39-46页 |
| 4.2.1 基本遗传算法中的基因操作 | 第39-40页 |
| 4.2.2 遗传算法流程 | 第40-42页 |
| 4.2.3 遗传算法的改进 | 第42-45页 |
| 4.2.4 测试函数分析 | 第45-46页 |
| 4.3 考虑 PHEV 和电容器投切的配电网无功优化 | 第46-50页 |
| 4.3.1 数学模型 | 第46-48页 |
| 4.3.2 电容器的编码 | 第48-49页 |
| 4.3.3 目标函数的制定 | 第49-50页 |
| 4.4 算例分析 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-63页 |
| A. IEEE 33 节点系统 | 第58-59页 |
| B. IEEE 69 节点系统 | 第59-61页 |
| C. 5节点三相系统数据 | 第61-63页 |
| 致谢 | 第63页 |
