摘要 | 第3-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-24页 |
1.1 研究背景和意义 | 第10-12页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-20页 |
1.2.1 风功率预测的研究现状 | 第12-16页 |
1.2.2 含风电的电力系统经济调度研究现状 | 第16-20页 |
1.3 存在的问题及发展趋势 | 第20-21页 |
1.4 论文主要内容及技术路线 | 第21-24页 |
1.4.1 主要研究内容 | 第21页 |
1.4.2 技术路线 | 第21-24页 |
2 基于LSTM深度神经网络的风功率日前预测 | 第24-46页 |
2.1 引言 | 第24页 |
2.2 风电场出力特性分析 | 第24-30页 |
2.2.1 出力特性分析 | 第24-26页 |
2.2.2 自相关分析 | 第26-28页 |
2.2.3 出力波动性分析 | 第28-30页 |
2.3 LSTM神经网络 | 第30-32页 |
2.3.1 LSTM神经网络简介 | 第30-31页 |
2.3.2 LSTM神经网络数学模型 | 第31-32页 |
2.4 风功率日前预测模型构建及求解 | 第32-35页 |
2.4.1 风功率多步预测模型 | 第32页 |
2.4.2 日前预测模型网络输入个数的选择 | 第32-33页 |
2.4.3 LSTM神经网络日前预测模型 | 第33-35页 |
2.4.4 日前预测模型评价指标 | 第35页 |
2.5 算例分析 | 第35-43页 |
2.5.1 LSTM、BP、Elman和SVM风功率日前预测滚动多步模型结果分析 | 第36-40页 |
2.5.2 风功率日前预测直接多步和滚动多步模型结果对比 | 第40-43页 |
2.6 本章小结 | 第43-46页 |
3 基于VMD-LSTM的风功率日前预测 | 第46-62页 |
3.1 引言 | 第46页 |
3.2 时间序列数据分解方法 | 第46-49页 |
3.2.1 EMD | 第46-47页 |
3.2.2 VMD | 第47-49页 |
3.3 基于数据序列分解的LSTM风电场风功率日前预测模型 | 第49-50页 |
3.4 算例分析 | 第50-60页 |
3.4.1 VMD模态分量个数的选取 | 第50页 |
3.4.2 风电场风功率原始序列分解 | 第50-52页 |
3.4.3 基于序列分解的日前预测滚动多步模型结果对比 | 第52-55页 |
3.4.4 基于序列分解的日前预测直接多步模型结果对比 | 第55-57页 |
3.4.5 VMD-LSTM直接多步模型和VMD-SVM滚动多步模型结果分析 | 第57-60页 |
3.5 本章小结 | 第60-62页 |
4 风功率日前预测误差不确定性建模 | 第62-74页 |
4.1 引言 | 第62页 |
4.2 日前预测的误差结果分析 | 第62-66页 |
4.2.1 误差特征分析 | 第62-64页 |
4.2.2 预测尺度与预测误差的函数关系 | 第64-66页 |
4.3 误差分布模型 | 第66-69页 |
4.3.1 拉普拉斯分布 | 第66-67页 |
4.3.2 正态分布 | 第67页 |
4.3.3 多维随机变量的联合概率分布 | 第67-69页 |
4.4 分布模型拟合度评价 | 第69-70页 |
4.5 算例分析 | 第70-73页 |
4.5.1 一维随机变量分布拟合 | 第70-72页 |
4.5.2 多维随机变量分布拟合 | 第72-73页 |
4.6 本章小结 | 第73-74页 |
5 基于风电场出力场景包络区间的电力系统日前联合调度 | 第74-90页 |
5.1 引言 | 第74-75页 |
5.2 风电场出力场景包络区间 | 第75-79页 |
5.2.1 多维随机变量场景生成 | 第75-76页 |
5.2.2 多维随机变量场景缩减 | 第76页 |
5.2.3 场景聚类数目对场景包络区间的影响 | 第76-79页 |
5.3 基于风电场出力场景包络区间的电力系统日前联合调度模型 | 第79-81页 |
5.3.1 电力系统日前联合调度模型 | 第79-81页 |
5.4 调度模型的求解 | 第81-84页 |
5.4.1 机组运行状态列表的求解 | 第81-82页 |
5.4.2 机组最优出力的求解 | 第82-83页 |
5.4.3 算法实现流程 | 第83-84页 |
5.5 算例分析 | 第84-87页 |
5.5.1 问题描述 | 第84-85页 |
5.5.2 计算结果 | 第85-87页 |
5.6 本章小结 | 第87-90页 |
6 结论与展望 | 第90-92页 |
6.1 结论 | 第90-91页 |
6.2 主要创新点 | 第91页 |
6.3 展望 | 第91-92页 |
致谢 | 第92-94页 |
参考文献 | 第94-102页 |
附录 | 第102-132页 |
博士在校期间成果 | 第132页 |