| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景与意义 | 第12-15页 |
| 1.1.1 国内外风电发展现状 | 第12-14页 |
| 1.1.2 风电预测意义 | 第14-15页 |
| 1.2 课题研究现状及问题 | 第15-18页 |
| 1.2.1 风电预测研究现状 | 第15-17页 |
| 1.2.2 风电预测研究存在问题 | 第17-18页 |
| 1.3 本文的主要研究内容 | 第18-20页 |
| 第2章 风电场数据来源及分析 | 第20-26页 |
| 2.1 数据关联性分析 | 第20-23页 |
| 2.2 数据处理 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 基于条件分类与证据理论的风电功率非参数概率预测 | 第26-42页 |
| 3.1 基于SVM的风电功率点预测 | 第26-27页 |
| 3.2 SVM预测误差分析 | 第27页 |
| 3.3 基于SBC的误差条件概率预测 | 第27-31页 |
| 3.3.1 稀疏贝叶斯分类原理 | 第28-30页 |
| 3.3.2 基于SBC的误差概率分布预测 | 第30-31页 |
| 3.4 D-S证据理论整合概率分布 | 第31-34页 |
| 3.4.1 SVM预测误差范围的确定 | 第31-32页 |
| 3.4.2 D-S证据理论的基本原理 | 第32-33页 |
| 3.4.3 D-S证据理论在形成预测误差条件概率预测中的应用 | 第33-34页 |
| 3.5 风电功率概率分布预测 | 第34-35页 |
| 3.6 算例分析 | 第35-41页 |
| 3.6.1 点预测精度分析 | 第36页 |
| 3.6.2 概率预测结果合理性分析 | 第36-39页 |
| 3.6.3 计算效率分析 | 第39-40页 |
| 3.6.4 GEFCOM 2014数据验证分析 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 风电场输出功率的组合非参数概率密度预测 | 第42-58页 |
| 4.1 风电场输出功率的组合非参数概率密度预测概述 | 第42-43页 |
| 4.2 传统BMA模型原理 | 第43-44页 |
| 4.3 扩展BMA模型原理 | 第44-51页 |
| 4.3.1 SBL回归基本原理 | 第45-46页 |
| 4.3.2 核密度估计基本原理 | 第46-47页 |
| 4.3.3 Gaussian分布单项预测模型原理 | 第47页 |
| 4.3.4 Weibull分布单项预测模型原理 | 第47-48页 |
| 4.3.5 组合概率预测模型原理 | 第48-51页 |
| 4.4 算例分析 | 第51-55页 |
| 4.4.1 确定性预测效果分析 | 第52-53页 |
| 4.4.2 预测概率密度函数与预测区间 | 第53-55页 |
| 4.5 本章小结 | 第55-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 结论 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士学位期间所发表的论文及参与的项目 | 第68-69页 |
| 学位论文评阅及答辩情况表 | 第69页 |
