| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 引言 | 第9-12页 |
| 1.1.1 世界风能发展状况 | 第9-10页 |
| 1.1.2 我国风能发展状况 | 第10-11页 |
| 1.1.3 课题研究背景及意义 | 第11-12页 |
| 1.2 风速及风电功率预测技术发展现状 | 第12-17页 |
| 1.2.1 风速及风电功率预测方法 | 第12-16页 |
| 1.2.1.1 基于历史数据的风速及风电功率预测方法 | 第13-14页 |
| 1.2.1.2 基于数值天气预报的风速预测方法 | 第14-16页 |
| 1.2.2 风速及风电功率预测研究现状 | 第16-17页 |
| 1.3 本文的主要工作及研究内容 | 第17-18页 |
| 第2章 风速的时空相关性研究 | 第18-28页 |
| 2.1 概述 | 第18-19页 |
| 2.2 风速的变化、分布规律及风向统计分析 | 第19-23页 |
| 2.2.1 风速的变化规律 | 第19-20页 |
| 2.2.2 风速的分布规律 | 第20-21页 |
| 2.2.3 风向统计规律 | 第21-23页 |
| 2.3 风速的时空相关性研究方法 | 第23-27页 |
| 2.3.1 空间相关点的风速序列的统计相关分析 | 第24-27页 |
| 2.3.1.1 相关系数 | 第24-25页 |
| 2.3.1.2 同一距离不同高度处的风速相关性分析 | 第25-26页 |
| 2.3.1.3 同一高度不同距离处的风速相关性分析 | 第26-27页 |
| 2.3.2 基于风速扰动传播理论的时空相关性研究 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 风速的时空相关性预测模型 | 第28-35页 |
| 3.1 引言 | 第28页 |
| 3.2 STCP 模型 | 第28-31页 |
| 3.2.1 模型建立 | 第28-29页 |
| 3.2.2 实现的可能性分析 | 第29-31页 |
| 3.3 STCP 模型参数优化 | 第31-33页 |
| 3.3.1 非线性最小二乘估计基本原理 | 第31-32页 |
| 3.3.2 参数估计 | 第32-33页 |
| 3.4 实例分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 区域风电场群基于时空相关性的组合预测模型 | 第35-49页 |
| 4.1 引言 | 第35页 |
| 4.2 人工神经网络(ANN)预测模型设计 | 第35-37页 |
| 4.2.1 BP 神经网络与 Elman 神经网络 | 第35-36页 |
| 4.2.2 ANN 预测模型设计 | 第36-37页 |
| 4.3 STCP 与人工神经网络(ANN)的组合预测模型 | 第37-39页 |
| 4.4 STCP-ANN 组合加权系数选取方法 | 第39-41页 |
| 4.4.1 非最优正权组合方法 | 第39-40页 |
| 4.4.2 STCP-BP 组合预测算法权系数选取 | 第40页 |
| 4.4.3 STCP-Elman 组合预测算法权系数选取 | 第40-41页 |
| 4.5 预测结果分析 | 第41-47页 |
| 4.5.1 STCP-BP 组合预测分析 | 第41-44页 |
| 4.5.2 STCP-Elman 组合预测分析 | 第44-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第55-56页 |
| 致谢 | 第56页 |
