| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的和意义 | 第10-11页 |
| 1.2 风电功率预测研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 风电功率预测研究的国内现状 | 第12-13页 |
| 1.3 风电功率预测中存在的问题 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 第2章 风电场常用预测方法介绍 | 第15-20页 |
| 2.1 风电介绍 | 第15页 |
| 2.2 风电场出力预报的划分 | 第15-18页 |
| 2.2.1 按预报时间划分 | 第16页 |
| 2.2.2 按预报对象范围划分 | 第16页 |
| 2.2.3 按预报模型划分 | 第16-18页 |
| 2.3 常用预测方法 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 改进的灰色GM(1,1)模型风速预测 | 第20-30页 |
| 3.1 灰色理论基本内容及应用 | 第20页 |
| 3.2 灰色GM(1,1)预测模型建模方法研究 | 第20-23页 |
| 3.2.1 建模基本原理 | 第20-21页 |
| 3.2.2 传统灰色模型预测风速的缺点 | 第21-23页 |
| 3.3 数值逼近算法对GM(1,1)模型的优化 | 第23-25页 |
| 3.3.1 数值逼近算法基本原理 | 第23-24页 |
| 3.3.2 数值逼近算法优化GM(1,1)模型 | 第24-25页 |
| 3.4 优化的GM(1,1)模型风速预测 | 第25-29页 |
| 3.4.1 风速预测 | 第25-26页 |
| 3.4.2 误差评估 | 第26-27页 |
| 3.4.3 优化模型对温度、风向参数的预测 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 BP神经网络修正的灰色残差模型预测风电功率 | 第30-41页 |
| 4.1 人工神经网络概论 | 第30-32页 |
| 4.1.1 人工神经网络简介 | 第30-31页 |
| 4.1.2 人工神经网络的特点 | 第31-32页 |
| 4.2 BP神经网络预测模型基本原理 | 第32-33页 |
| 4.3 BP神经网络的算法及学习过程 | 第33-36页 |
| 4.3.1 BP算法 | 第33-35页 |
| 4.3.2 BP算法学习过程 | 第35-36页 |
| 4.4 BP神经网络修正的灰色残差模型的建立 | 第36-38页 |
| 4.5 实际案例分析 | 第38-39页 |
| 4.6 预测结果分析 | 第39-40页 |
| 4.7 本章小结 | 第40-41页 |
| 第5章 风电场风速分布特性研究 | 第41-49页 |
| 5.1 风速的年变化 | 第41页 |
| 5.2 风速的日变化 | 第41-44页 |
| 5.3 风速分布规律 | 第44-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第6章 结论与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54页 |