| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究的背景与意义 | 第10-12页 |
| 1.2 风力发电功率预测方法 | 第12-13页 |
| 1.3 国内外风电功率预测预报技术的发展现状 | 第13-15页 |
| 1.3.1 国外在风电功率预测领域的研究 | 第13-14页 |
| 1.3.2 国内在风电功率预测领域的研究 | 第14-15页 |
| 1.4 本文的主要贡献与创新 | 第15-16页 |
| 1.5 本论文的结构安排 | 第16-17页 |
| 第二章 风电场参数特性分析 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 数据预处理 | 第17-18页 |
| 2.2.1 合理性检验 | 第17-18页 |
| 2.2.2 修正缺失数据 | 第18页 |
| 2.3 风能特性分析 | 第18-23页 |
| 2.3.1 风速和风向的基本概念 | 第18-19页 |
| 2.3.2 风速的统计规律 | 第19-21页 |
| 2.3.3 风功率及功率密度 | 第21-23页 |
| 2.4 风电功率特性分析 | 第23-25页 |
| 2.4.1 风电功率的计算 | 第23页 |
| 2.4.2 风电功率的波动性 | 第23-25页 |
| 2.5 多指标预测误差评价体系 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 单一预测方法在超短期功率预测中的应用 | 第27-51页 |
| 3.1 引言 | 第27页 |
| 3.2 神经网络预测模型 | 第27-38页 |
| 3.2.1 小波神经网络预测模型 | 第27-33页 |
| 3.2.2 遗传算法-BP预测模型 | 第33-38页 |
| 3.3 支持向量机预测模型 | 第38-43页 |
| 3.3.1 支持向量回归算法 | 第38-41页 |
| 3.3.2 参数寻优 | 第41页 |
| 3.3.3 算例仿真分析 | 第41-43页 |
| 3.4 时间序列预测模型 | 第43-50页 |
| 3.4.1 时间序列简介 | 第43-44页 |
| 3.4.2 建立时间序列预测模型 | 第44-47页 |
| 3.4.3 算例仿真分析 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于改进诱导有序加权算子的风电功率超短期组合预测 | 第51-64页 |
| 4.1 引言 | 第51页 |
| 4.2 常用组合方法 | 第51-53页 |
| 4.3 冗余度分析 | 第53-54页 |
| 4.4 基于三种诱导有序加权算子的组合预测模型 | 第54-57页 |
| 4.4.1 Theil不等系数 | 第54页 |
| 4.4.2 建立基于三种诱导有序加权算子的组合模型 | 第54-57页 |
| 4.5 算例仿真分析 | 第57-63页 |
| 4.5.1 单一预测模型的冗余度分析 | 第57-58页 |
| 4.5.2 常用组合预测模型 | 第58-59页 |
| 4.5.3 改进的组合预测模型 | 第59-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 集成化风电功率预测平台的设计 | 第64-71页 |
| 5.1 引言 | 第64页 |
| 5.2 平台设计需求分析 | 第64-65页 |
| 5.3 集成化预测平台设计方案 | 第65-68页 |
| 5.3.1 软件功能模块设计 | 第65-66页 |
| 5.3.2 平台通信设计 | 第66-67页 |
| 5.3.3 平台客户端设计 | 第67-68页 |
| 5.4 功率预测模块 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 全文总结与展望 | 第71-73页 |
| 6.1 全文总结 | 第71-72页 |
| 6.2 后续工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |