| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 风电场功率常用预测方法分类 | 第11-12页 |
| 1.2.1 按预测时间分类 | 第11页 |
| 1.2.2 按预测方法和原理分类 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 论文研究思路及主要内容 | 第13-15页 |
| 第2章 风速与风电功率单一模型预测 | 第15-29页 |
| 2.1 时间序列方法预测 | 第15-22页 |
| 2.1.1 时间序列模型概述 | 第15-16页 |
| 2.1.2 ARMA模型的建立 | 第16-18页 |
| 2.1.3 ARMA模型的预测步骤 | 第18-19页 |
| 2.1.4 ARMA模型在风速预测中的应用实例 | 第19-22页 |
| 2.2 BP神经网络模型 | 第22-25页 |
| 2.2.1 BP神经网络模型原理 | 第22-23页 |
| 2.2.2 BP模型在风速预测中的应用实例 | 第23-25页 |
| 2.3 基于ANFIS的风速和风电预测模型 | 第25-28页 |
| 2.3.1 自适应模糊神经网络结构和原理 | 第25-27页 |
| 2.3.2 ANFIS模型在风速预测中的应用实例 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 风速与风电功率组合模型预测 | 第29-37页 |
| 3.1 组合预测方法概述 | 第29-30页 |
| 3.2 非最优组合预测模型 | 第30-32页 |
| 3.2.1 非最优正权组合预测模型 | 第30-31页 |
| 3.2.2 熵值法 | 第31-32页 |
| 3.3 最优组合预测模型 | 第32-33页 |
| 3.3.1 协方差优选法确定组合权重 | 第32-33页 |
| 3.3.2 均方根误差最小优化模型 | 第33页 |
| 3.4 实例分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 风电功率不确定性分析方法 | 第37-46页 |
| 4.1 不确定性因素的来源 | 第37-38页 |
| 4.2 分位数回归方法 | 第38-41页 |
| 4.2.1 分位数函数 | 第39页 |
| 4.2.2 分位数回归 | 第39-40页 |
| 4.2.3 参数估计方法 | 第40-41页 |
| 4.3 分位数回归在不确定性分析的应用 | 第41-43页 |
| 4.3.1 不确定性分析模型建立 | 第41页 |
| 4.3.2 模型在风电功率预测中的应用 | 第41-43页 |
| 4.4 实例分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 短期风电功率区间预测 | 第46-54页 |
| 5.1 引言 | 第46-47页 |
| 5.2 简单线性回归模型 | 第47-48页 |
| 5.3 灰色预测模型 | 第48-50页 |
| 5.4 简单一元线性回归与灰色理论组合模型的区间预测 | 第50-51页 |
| 5.5 实例分析 | 第51-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第6章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |