| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-27页 |
| 1.1 课题研究的背景及意义 | 第12-13页 |
| 1.2 国内外风电发展现状 | 第13-23页 |
| 1.2.1 国外风电发展现状 | 第16-17页 |
| 1.2.2 国内风电发展现状 | 第17-22页 |
| 1.2.3 全球风能委员会对于全球风能市场的分析预测 | 第22-23页 |
| 1.3 风速及风电功率预测研究概述 | 第23-26页 |
| 1.4 本文主要工作 | 第26-27页 |
| 第二章 风资源特性及风电并网对系统的影响 | 第27-35页 |
| 2.1 引言 | 第27页 |
| 2.2 风资源的特性 | 第27-32页 |
| 2.2.1 风速的变化特性 | 第27-29页 |
| 2.2.2 风速的规律性 | 第29-32页 |
| 2.3 风电并网运行对电力系统的影响 | 第32-34页 |
| 2.3.1 对发电计划制定和调度的影响 | 第32页 |
| 2.3.2 对电压的影响 | 第32-33页 |
| 2.3.3 对电网功角稳定及频率稳定的影响 | 第33页 |
| 2.3.4 对继电保护的影响 | 第33-34页 |
| 2.3.5 对系统可靠性的影响 | 第34页 |
| 2.3.6 对其他方面的影响 | 第34页 |
| 2.4 小结 | 第34-35页 |
| 第三章 风速及风电功率预测模型 | 第35-51页 |
| 3.1 引言 | 第35页 |
| 3.2 时间序列模型 | 第35-39页 |
| 3.2.1 几种时间序列模型及其自相关函数与偏相关函数 | 第35-38页 |
| 3.2.2 时间序列模型的建模 | 第38-39页 |
| 3.3 神经网络模型 | 第39-45页 |
| 3.3.1 神经网络模型的基本原理 | 第39-40页 |
| 3.3.2 神经网络模型的学习方式 | 第40-41页 |
| 3.3.3 BP 神经网络模型 | 第41-45页 |
| 3.4 多元线性回归模型 | 第45-48页 |
| 3.4.1 多元线性回归模型建模 | 第45-46页 |
| 3.4.2 多元线性回归模型检验 | 第46-48页 |
| 3.5 灰色模型 | 第48-50页 |
| 3.5.1 灰色预测模型的建立 | 第48-49页 |
| 3.5.3 灰色预测模型的检验 | 第49-50页 |
| 3.6 小结 | 第50-51页 |
| 第四章 风电场气象因素与风速关系的相关性分析 | 第51-69页 |
| 4.1 引言 | 第51页 |
| 4.2 风电场主要气象因素与风速的日变化关系 | 第51-65页 |
| 4.2.1 冬季风速与主要气象因素的日变化关系 | 第52-55页 |
| 4.2.2 春季风速与主要气象因素的日变化关系 | 第55-58页 |
| 4.2.3 夏季风速与主要气象因素的日变化关系 | 第58-61页 |
| 4.2.4 秋季风速与主要气象因素的日变化关系 | 第61-64页 |
| 4.2.5 小结 | 第64-65页 |
| 4.3 风电场主要气象因素与风速的相关性分析 | 第65-68页 |
| 4.3.1 相关系数的概念 | 第65-66页 |
| 4.3.2 风速与主要气象因素的相关性分析 | 第66-68页 |
| 4.4 小结 | 第68-69页 |
| 第五章 考虑气象因素的风电场风速及风电功率预测 | 第69-88页 |
| 5.1 引言 | 第69页 |
| 5.2 模糊聚类技术 | 第69-73页 |
| 5.2.1 样本指标值的归一化 | 第69-70页 |
| 5.2.2 样本指标权重的分析方法 | 第70-72页 |
| 5.2.3 模糊聚类方法的实现 | 第72-73页 |
| 5.3 考虑气象因素的风速短期预测模型 | 第73-75页 |
| 5.3.1 预测模型的实现 | 第73-74页 |
| 5.3.2 BP 神经网络预测模型的结构 | 第74-75页 |
| 5.4 算例分析 | 第75-87页 |
| 5.4.1 应用于上海某风电场甲的风速及风电功率预测 | 第75-83页 |
| 5.4.2 应用于上海某风电场乙的风速及风电功率预测 | 第83-87页 |
| 5.5 小结 | 第87-88页 |
| 第六章 结论与展望 | 第88-90页 |
| 6.1 论文工作总结 | 第88页 |
| 6.2 论文的主要创新点 | 第88页 |
| 6.3 风速及风电功率预测研究展望 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94-95页 |
| 攻读硕士学位期间论文发表和科研成果情况 | 第95-97页 |
