| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第8-11页 |
| 图表索引 | 第11-17页 |
| 第一章 绪论 | 第17-31页 |
| 1. 课题的研究背景及意义 | 第17-31页 |
| 1.1 课题的研究背景 | 第17-20页 |
| 1.2 国内外风电功率预测的发展现状 | 第20-23页 |
| 1.2.1 国外风电功率预测的发展现状 | 第20-22页 |
| 1.2.2 国内风电功率预测的发展现状 | 第22-23页 |
| 1.3 短期风电功率组合预测的研究现状 | 第23-26页 |
| 1.3.1 风电功率预测方法的分类 | 第23-25页 |
| 1.3.2 短期风电功率组合预测的研究现状 | 第25-26页 |
| 1.4 影响风电功率的主要因素 | 第26-28页 |
| 1.5 本论文的主要研究内容 | 第28-29页 |
| 1.6 本章小结 | 第29-31页 |
| 第二章 基于多元时间序列的风电功率预测 | 第31-57页 |
| 2.1 多元时间序列模型 | 第31-32页 |
| 2.2 多元时间序列模型建模步骤 | 第32-38页 |
| 2.3 多元时间序列模型预测风电场功率的步骤 | 第38-50页 |
| 2.3.1 基于多元时间序列的风电功率预测模型的识别 | 第38-46页 |
| 2.3.2 基于多元时间序列的风电功率预测模型的参数估计 | 第46-50页 |
| 2.3.3 基于多元时间序列的风电功率预测模型的有效性检验 | 第50页 |
| 2.4 基于多元时间序列的风电功率预测模型的仿真研究 | 第50-54页 |
| 2.4.1 基于多元时间序列的风电功率预测模型的仿真结果 | 第50-53页 |
| 2.4.2 基于多元时间序列的风电功率预测模型的仿真结果分析 | 第53-54页 |
| 2.5 本章小结 | 第54-57页 |
| 第三章 基于相似度模糊推理的风电功率预测模型优选方法 | 第57-81页 |
| 3.1 引言 | 第57-58页 |
| 3.2 风电场气象数据分析 | 第58-66页 |
| 3.2.1 风速的变化规律分析 | 第58-61页 |
| 3.2.2 风向的变化规律分析 | 第61-62页 |
| 3.2.3 温度的变化规律分析 | 第62-64页 |
| 3.2.4 风电功率的变化规律及与气象因素的相关性分析 | 第64-66页 |
| 3.3 基于相似度模糊推理的基本概念及原理 | 第66-67页 |
| 3.3.1 模糊推理的基本概念 | 第66-67页 |
| 3.3.2 基于相似度的模糊推理的算法步骤 | 第67页 |
| 3.4 风电功率模糊推理规则的建立 | 第67-74页 |
| 3.4.1 模糊规则前件的确定 | 第68-69页 |
| 3.4.2 基于风电场预测考核指标与多误差评价指标相结合法的模糊规则后件的确定 | 第69-72页 |
| 3.4.3 模糊规则的确定 | 第72-74页 |
| 3.5 基于相似度的模糊推理方法 | 第74-80页 |
| 3.5.1 改进的相似度判断方法 | 第74-75页 |
| 3.5.2 基于相似度模糊推理的风电功率模型优选的方法步骤 | 第75-76页 |
| 3.5.3 仿真研究 | 第76-80页 |
| 3.6 本章小结 | 第80-81页 |
| 第四章 基于IOWA算子的风电功率融合预测模型 | 第81-109页 |
| 4.1 引言 | 第81-82页 |
| 4.2 基于误差信息矩阵的模型冗余判断方法 | 第82-83页 |
| 4.3 基于IOWA算子的融合预测模型 | 第83-88页 |
| 4.3.1 基于IOWA算子的融合原理 | 第83-85页 |
| 4.3.2 IOWA算子求解过程的优化与融合模型的建立 | 第85-88页 |
| 4.4 风电功率融合预测仿真研究 | 第88-106页 |
| 4.4.1 基于IOWA算子的风电功率融合模型预测的仿真研究 | 第88-94页 |
| 4.4.2 常见权重计算法的风电功率融合模型预测的仿真研究 | 第94-106页 |
| 4.5 风电功率融合模型预测效果评价 | 第106-108页 |
| 4.6 本章小节 | 第108-109页 |
| 第五章 结论与展望 | 第109-113页 |
| 5.1 结论 | 第109-110页 |
| 5.2 展望 | 第110-113页 |
| 参考文献 | 第113-119页 |
| 致谢 | 第119-120页 |
| 攻读学位期间发表的学术论文 | 第120页 |
