微电网中短期风力发电和负荷预测的研究
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第1章 绪论 | 第14-19页 |
| 1.1 课题背景与意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 微电网国内外现状 | 第14-15页 |
| 1.2.2 风功率预测国内外现状 | 第15-16页 |
| 1.2.3 负荷预测国内外现状 | 第16-17页 |
| 1.3 论文的研究内容和组织结构 | 第17-19页 |
| 第2章 风速风功率预测与负荷预测的基本理论 | 第19-28页 |
| 2.1 最小二乘法曲线拟合 | 第19页 |
| 2.2 BP神经网络 | 第19-23页 |
| 2.2.1 神经网络简介 | 第19-20页 |
| 2.2.2 神经网络工作原理 | 第20-21页 |
| 2.2.3 BP神经网络建模 | 第21-23页 |
| 2.2.4 BP神经网络的局限性 | 第23页 |
| 2.3 遗传算法 | 第23-28页 |
| 2.3.1 遗传算法简介 | 第23页 |
| 2.3.2 遗传算法流程 | 第23-24页 |
| 2.3.3 遗传算法优化BP神经网络 | 第24-28页 |
| 第3章 短期风速预测 | 第28-34页 |
| 3.1 短期风速预测概述 | 第28页 |
| 3.2 BP算法短期风速预测 | 第28-30页 |
| 3.2.1 传统BP算法短期风速预测 | 第28-29页 |
| 3.2.2 添加动量项的BP网络短期风速预测 | 第29-30页 |
| 3.3 GA-BP神经网络短期风速预测 | 第30-32页 |
| 3.3.1 网络参数设置 | 第31页 |
| 3.3.2 实验结果 | 第31-32页 |
| 3.4 评价标准及结果分析 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 短期风功率预测 | 第34-42页 |
| 4.1 短期风功率预测概述 | 第34-35页 |
| 4.2 功率曲线方法的短期风功率预测 | 第35-37页 |
| 4.2.1 风力发电机功率曲线 | 第35页 |
| 4.2.2 功率曲线的建立方法 | 第35-37页 |
| 4.3 基于BP神经网络短期风功率预测 | 第37-38页 |
| 4.3.1 数据分析与网络参数设置 | 第37-38页 |
| 4.3.2 实验结果及误差分析 | 第38页 |
| 4.4 GA-BP神经网络的短期风功率预测 | 第38-39页 |
| 4.4.1 网络参数设置 | 第38页 |
| 4.4.2 实验结果及误差分析 | 第38-39页 |
| 4.5 评价标准及结果分析 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 负荷短期预测 | 第42-49页 |
| 5.1 负荷短期预测概述 | 第42页 |
| 5.1.1 常用预测方法 | 第42页 |
| 5.2 相似日的选取 | 第42-46页 |
| 5.2.1 历史日的选取 | 第42-43页 |
| 5.2.2 输入数据分析与量化 | 第43-45页 |
| 5.2.3 灰色关联度计算 | 第45-46页 |
| 5.3 负荷短期预测 | 第46-47页 |
| 5.3.1 预测过程 | 第46-47页 |
| 5.3.2 实例结果及误差分析 | 第47页 |
| 5.4 本章小结 | 第47-49页 |
| 第6章 风功率负荷预测设计与实现 | 第49-57页 |
| 6.1 微电网系统拓扑结构 | 第49页 |
| 6.2 预测设计与实现 | 第49-54页 |
| 6.2.1 风功率负荷预测设计 | 第49-51页 |
| 6.2.2 风功率负荷预测实现 | 第51-53页 |
| 6.2.3 可控电源发电功率 | 第53-54页 |
| 6.3 数据传输 | 第54-55页 |
| 6.3.1 通信协议 | 第54页 |
| 6.3.2 通信实现 | 第54-55页 |
| 6.3.3 软件设置 | 第55页 |
| 6.4 本章小结 | 第55-57页 |
| 第7章 总结与展望 | 第57-59页 |
| 7.1 论文总结 | 第57页 |
| 7.2 课题展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间参加科研情况 | 第64-65页 |
| 学位论文评阅及答辩情况表 | 第65页 |
