| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 风电功率预测研究现状 | 第11-14页 |
| 1.2.1 风电功率预测方法 | 第11-13页 |
| 1.2.2 风电功率预测系统 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14页 |
| 1.4 论文工作及章节安排 | 第14-16页 |
| 第2章 现状分析与风功率预测的基础 | 第16-22页 |
| 2.1 东营风电场概况 | 第16页 |
| 2.2 风电功率预测分类 | 第16-17页 |
| 2.3 短期风电功率预测的一般流程 | 第17-18页 |
| 2.4 数据预处理 | 第18-20页 |
| 2.4.1 数据不良的原因 | 第18-19页 |
| 2.4.2 异常数据的识别 | 第19页 |
| 2.4.3 缺失数据的处理 | 第19-20页 |
| 2.4.4 不一致数据的处理 | 第20页 |
| 2.5 风电功率预测模型的评价 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 基于时间序列法的东营风电场风电功率短期预测 | 第22-39页 |
| 3.1 时间序列模型 | 第22-25页 |
| 3.1.1 自相关和偏相关函数 | 第22-23页 |
| 3.1.2 自回归模型 | 第23-24页 |
| 3.1.3 滑动平均模型 | 第24页 |
| 3.1.4 自回归滑动平均模型 | 第24-25页 |
| 3.1.5 累积式自回归滑动平均模型 | 第25页 |
| 3.2 时间序列预测模型的建立 | 第25-28页 |
| 3.2.1 平稳性检验及其平稳化 | 第26-27页 |
| 3.2.2 模型识别 | 第27页 |
| 3.2.3 模型定阶 | 第27-28页 |
| 3.2.4 模型参数的估计 | 第28页 |
| 3.2.5 模型检验 | 第28页 |
| 3.3 基于时间序列模型的风电功率短期预测 | 第28-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于改进BP神经网络的东营风电场风电功率短期预测 | 第39-55页 |
| 4.1 神经网络介绍 | 第39-40页 |
| 4.1.1 神经网络的特点 | 第39-40页 |
| 4.1.2 神经网络的优越性 | 第40页 |
| 4.1.3 神经网络的主要研究方向 | 第40页 |
| 4.2 BP人工神经网络原理 | 第40-43页 |
| 4.2.1 信号的正向传递 | 第42-43页 |
| 4.2.2 误差的反向传播 | 第43页 |
| 4.3 改进BP神经网络算法 | 第43-44页 |
| 4.4 基于改进BP人工神经网络的风电功率短期预测 | 第44-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 结论与展望 | 第55-57页 |
| 5.1 结论 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-61页 |
| 攻读硕士学位期间参加的科研工作 | 第61-62页 |
| 致谢 | 第62页 |
