改进的粒子群算法在多目标电力系统优化中的应用

《改进的粒子群算法在多目标电力系统优化中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TM744密级：公开论文编号：2013021579贵州大学2016届硕士研究生学位论文改进的粒子群算法在多目标电力系统优化中的应用学科专业：电气工程研究方向：电力系统运行与控制导师：卢志刚研究生：宗超凡中国﹒贵州﹒贵阳2016年6月贵州大学硕士学位论文目录摘要...................................................................................................................................................IAbs

2、tract...............................................................................................................................................II第一章绪论..................................................................................................................................

3、.....11.1选题背景及研究意义...........................................................................................................11.2国内外研究现状...................................................................................................................11.2.1粒子群算法在无功优化中的应用..............

4、...............................................................21.2.2粒子群算法在电网规划中的应用.............................................................................21.2.3粒子群算法在经济调度上的应用.............................................................................31.3电力系统多目标优化问题及其求解方法.......

5、.....................................................................31.3.1电力系统中的多目标优化问题.................................................................................31.3.2电力系统中多目标优化问题的传统解法..................................................................41.3.3群智能Pareto多目标优化方法.....

6、............................................................................41.4粒子群优化算法在电力系统中的应用................................................................................51.5本论文的主要工作.................................................................................................

7、..............6第二章改进多目标粒子群优化算法.................................................................................................82.1经典粒子群算法...................................................................................................................82.2经典粒子群算法的优化流程................

8、.....