| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 1 绪论 | 第12-26页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 风电功率爬坡事件定义 | 第13-16页 |
| 1.3 国内外研究现状 | 第16-23页 |
| 1.3.1 风电功率爬坡事件检测方面的当前研究评述 | 第18-19页 |
| 1.3.2 风电功率爬坡事件预测方面的当前研究评述 | 第19-21页 |
| 1.3.3 爬坡产品参与的优化调度模型方面的当前研究评述 | 第21-23页 |
| 1.4 论文主要章节及工作安排 | 第23-26页 |
| 1.4.1 章节及工作安排 | 第23-24页 |
| 1.4.2 论文结构和章节关联性分析 | 第24-26页 |
| 2 风电功率爬坡事件检测方法研究 | 第26-50页 |
| 2.1 引言 | 第26页 |
| 2.2 改进旋转门算法 | 第26-35页 |
| 2.2.1 旋转门算法 | 第26-29页 |
| 2.2.2 基于动态规划的改进旋转门算法 | 第29-33页 |
| 2.2.3 趋势爬坡事件后处理 | 第33-34页 |
| 2.2.4 爬坡事件整体检测过程 | 第34-35页 |
| 2.3 算例分析 | 第35-44页 |
| 2.3.1 检测算法效果对比 | 第36-40页 |
| 2.3.2 bump事件和趋势爬坡事件 | 第40-41页 |
| 2.3.3 多时间分辨率的检测效果对比和分析 | 第41-44页 |
| 2.4 算法应用：求解最优门宽参数 | 第44-47页 |
| 2.5 相关问题讨论 | 第47-48页 |
| 2.6 小结 | 第48-50页 |
| 3 风电功率爬坡事件预测方法研究 | 第50-84页 |
| 3.1 引言 | 第50页 |
| 3.2 基于原子稀疏分解的确定性风电功率爬坡事件预测 | 第50-59页 |
| 3.2.1 原子稀疏分解理论 | 第50-52页 |
| 3.2.2 ASD-BPNN滑动预测模型 | 第52-54页 |
| 3.2.3 BPNN残差预测模型 | 第54页 |
| 3.2.4 预测结果校正 | 第54-55页 |
| 3.2.5 算例分析 | 第55-59页 |
| 3.3 基于随机场景生成法的风电功率爬坡事件预测 | 第59-75页 |
| 3.3.1 随机场景生成方法 | 第59-62页 |
| 3.3.2 基于神经网络的随机过程模型 | 第62-66页 |
| 3.3.3 算例分析 | 第66-75页 |
| 3.4 计及电网侧频率偏差的风电功率爬坡事件预测 | 第75-83页 |
| 3.4.1 准稳态潮流计算模型 | 第75-79页 |
| 3.4.2 考虑频率偏差的爬坡事件预测指标 | 第79-80页 |
| 3.4.3 算例分析 | 第80-83页 |
| 3.5 小结 | 第83-84页 |
| 4 计及风电功率爬坡产品和电网调度灵活性的机组组合问题研究 | 第84-98页 |
| 4.1 引言 | 第84-85页 |
| 4.2 灵活爬坡产品设计 | 第85-88页 |
| 4.3 新型机组组合模型 | 第88-89页 |
| 4.3.1 目标函数 | 第88页 |
| 4.3.2 约束条件 | 第88-89页 |
| 4.4 算例分析 | 第89-95页 |
| 4.4.1 算例一 三机简单系统 | 第89-91页 |
| 4.4.2 算例二 PJM 5节点系统 | 第91-95页 |
| 4.5 相关问题讨论 | 第95-96页 |
| 4.6 小结 | 第96-98页 |
| 5 结论与展望 | 第98-100页 |
| 5.1 主要研究成果 | 第98页 |
| 5.2 未来研究展望 | 第98-100页 |
| 参考文献 | 第100-110页 |
| 附录 | 第110-116页 |
| 攻读博士学位期间发表的科研成果目录 | 第116-118页 |
| 参与项目 | 第116页 |
| 发表期刊论文 | 第116-117页 |
| 发表会议论文 | 第117页 |
| 申请专利 | 第117页 |
| 获奖情况 | 第117-118页 |
| 致谢 | 第118页 |
