基于EEMD-ANFIS的短期风电功率预测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 风力发电发展的背景 | 第9-10页 |
| 1.2 风电功率预测研究的意义和目的 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 国外风电功率预测技术发展 | 第11-12页 |
| 1.3.2 国内风电功率预测技术发展 | 第12-13页 |
| 1.4 风电功率预测中存在的问题 | 第13页 |
| 1.5 本文的主要研究工作 | 第13-15页 |
| 第2章 风数据与风电功率数据的特性 | 第15-25页 |
| 2.1 风数据的特点 | 第15-19页 |
| 2.1.1 风的构成 | 第15-17页 |
| 2.1.2 风电场风速随时间变化的特点 | 第17页 |
| 2.1.3 风速与风电功率的关系 | 第17-19页 |
| 2.2 风速和风电功率的非线性以及非平稳性 | 第19-22页 |
| 2.2.1 风速和风电功率的非线性 | 第19-20页 |
| 2.2.2 风速和风电功率的非平稳性 | 第20-22页 |
| 2.3 风电功率的混沌特性分析 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 实测风数据的校正 | 第25-41页 |
| 3.1 风数据的校验与更正补充 | 第25-26页 |
| 3.1.1 风数据的校验方法 | 第25-26页 |
| 3.1.2 常用的插补模型 | 第26页 |
| 3.2 CLPSO-LSSVM模型 | 第26-32页 |
| 3.2.1 LSSVM模型 | 第26-29页 |
| 3.2.2 CLPSO模型 | 第29-31页 |
| 3.2.3 CLPSO-LSSVM模型 | 第31-32页 |
| 3.3 插补模型的比较和评价指标提出 | 第32-37页 |
| 3.3.1 插补模型的精度比较 | 第32-35页 |
| 3.3.2 风数据的相关性分析 | 第35-37页 |
| 3.4 风数据插补 | 第37-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 基于EEMD和ANFIS的风电功率预测 | 第41-67页 |
| 4.1 EEMD和ANFIS原理 | 第41-56页 |
| 4.1.1 EEMD原理 | 第41-47页 |
| 4.1.2 自适应神经模糊推理系统 | 第47-55页 |
| 4.1.3 EEMD-ANFIS预测方法 | 第55-56页 |
| 4.2 相空间重构 | 第56-60页 |
| 4.2.1 延迟时间的求取 | 第58页 |
| 4.2.2 嵌入维数求取 | 第58-60页 |
| 4.3 考虑气象因素影响的风电功率预测 | 第60-63页 |
| 4.4 基于相空间重构的风电功率预测 | 第63-64页 |
| 4.5 基于风功率曲线的风电功率间接预测 | 第64-65页 |
| 4.6 三种预测方法分析 | 第65-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第5章 结论与展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录1 攻读硕士学位期间发表的论文 | 第74页 |
