| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 风电时序预测的研究现状 | 第12-15页 |
| 1.2.1 预测方法分类 | 第12页 |
| 1.2.2 基本技术要求 | 第12-13页 |
| 1.2.3 因果型方法 | 第13页 |
| 1.2.4 统计型方法 | 第13-14页 |
| 1.2.5 混合型方法 | 第14-15页 |
| 1.2.6 其它方法 | 第15页 |
| 1.3 风电空间相关预测的发展 | 第15-18页 |
| 1.3.1 时空相关性 | 第15页 |
| 1.3.2 基本思路 | 第15-16页 |
| 1.3.3 预测模型 | 第16-17页 |
| 1.3.4 空间相关预测方法的应用 | 第17页 |
| 1.3.5 已有方法的局限性 | 第17-18页 |
| 1.4 风电有功功率控制技术研究现状 | 第18-20页 |
| 1.4.1 基本思路 | 第18页 |
| 1.4.2 风电机组有功功率控制 | 第18-19页 |
| 1.4.3 风电场有功功率控制 | 第19页 |
| 1.4.4 风电场群有功功率控制 | 第19-20页 |
| 1.4.5 风电功率控制的应用 | 第20页 |
| 1.5 论文研究思路及主要工作 | 第20-25页 |
| 1.5.1 论文研究思路 | 第20-22页 |
| 1.5.2 主要研究工作 | 第22-25页 |
| 第二章 考虑预测误差不对称的风电有功风险控制策略 | 第25-47页 |
| 2.1 引言 | 第25页 |
| 2.2 功率预测误差分布差异对有功控制的影响 | 第25-28页 |
| 2.3 新方法的基本思路 | 第28-29页 |
| 2.4 预测功率的置信评估 | 第29-30页 |
| 2.5 考虑功率预测误差的风电有功优化控制模型 | 第30页 |
| 2.6 考虑功率预测误差的风电功率风险控制策略 | 第30-31页 |
| 2.6.1 风电场分类 | 第30页 |
| 2.6.2 有功优化控制模型 | 第30-31页 |
| 2.7 算例分析 | 第31-45页 |
| 2.7.1 算例概述 | 第31-35页 |
| 2.7.2 功率预测误差对风电有功控制的影响 | 第35-37页 |
| 2.7.3 采用不同控制策略的控制效果分析 | 第37-43页 |
| 2.7.4 采用不同控制策略的控制风险分析 | 第43-45页 |
| 2.7.5 说明 | 第45页 |
| 2.8 本章小结 | 第45-47页 |
| 第三章 基于多源数据融合的风电场一体化监控系统开发 | 第47-63页 |
| 3.1 引言 | 第47页 |
| 3.2 基于多源数据的风电场功率控制 | 第47-50页 |
| 3.2.1 控制原则及控制对象 | 第47-48页 |
| 3.2.2 基础数据 | 第48页 |
| 3.2.3 控制架构及数据交互 | 第48页 |
| 3.2.4 有功功率控制 | 第48-49页 |
| 3.2.5 无功功率控制 | 第49-50页 |
| 3.3 系统设计 | 第50-52页 |
| 3.3.1 设计原则 | 第50页 |
| 3.3.2 数据结构设计 | 第50-51页 |
| 3.3.3 软件架构设计 | 第51页 |
| 3.3.4 主要功能模块开发 | 第51-52页 |
| 3.4 考虑预测的风电功率控制在风电场端的应用策略 | 第52-56页 |
| 3.4.1 问题概述 | 第52-53页 |
| 3.4.2 风电机组分群 | 第53-54页 |
| 3.4.3 基于风电机组分群的有功功率分配 | 第54-56页 |
| 3.5 现场应用 | 第56-61页 |
| 3.5.1 风电场概述 | 第56页 |
| 3.5.2 系统部署 | 第56-58页 |
| 3.5.3 信息交互实现 | 第58-59页 |
| 3.5.4 应用效果 | 第59-61页 |
| 3.6 本章小结 | 第61-63页 |
| 第四章 空间相关风速预测的新框架 | 第63-71页 |
| 4.1 引言 | 第63页 |
| 4.2 问题的描述 | 第63-64页 |
| 4.2.1 要素 | 第63-64页 |
| 4.2.2 风速预测模型 | 第64页 |
| 4.3 空间相关性的适用性分析 | 第64-65页 |
| 4.3.1 空间相关性的适用性 | 第64-65页 |
| 4.3.2 空间的条件特征 | 第65页 |
| 4.3.3 时间的条件特征 | 第65页 |
| 4.3.4 气象的条件特征 | 第65页 |
| 4.4 基本思路 | 第65-68页 |
| 4.4.1 时序外推法新进展的启示 | 第65-66页 |
| 4.4.2 大数据思维的启示 | 第66页 |
| 4.4.3 研究框架 | 第66-67页 |
| 4.4.4 数据需求 | 第67-68页 |
| 4.4.5 离线环境下的风速动态模式的分类与建模 | 第68页 |
| 4.4.6 在线特征匹配与模型选取 | 第68页 |
| 4.4.7 时空预测结果校验 | 第68页 |
| 4.5 空间相关风电功率预测需解决的关键问题 | 第68页 |
| 4.6 本章小结 | 第68-71页 |
| 第五章 风速时间序列的符号化描述 | 第71-85页 |
| 5.1 引言 | 第71页 |
| 5.2 风速时间序列符号化的两层框架 | 第71-72页 |
| 5.3 符号及符号串 | 第72-73页 |
| 5.3.1 单元窗口的特征符号 | 第72-73页 |
| 5.3.2 观察窗口内的风速趋势特征符号串 | 第73页 |
| 5.4 单元窗口的自适应划分 | 第73-76页 |
| 5.4.1 风速时间序列的线性化 | 第73-75页 |
| 5.4.2 单元窗口划分及符号化 | 第75-76页 |
| 5.5 提取典型的趋势特征 | 第76-78页 |
| 5.6 算例分析 | 第78-83页 |
| 5.6.1 算例描述 | 第78页 |
| 5.6.2 功率变化特征及其符号描述 | 第78-81页 |
| 5.6.3 功率时间序列符号化描述 | 第81-82页 |
| 5.6.4 功率时间序列符号化的有效性 | 第82-83页 |
| 5.7 本章小结 | 第83-85页 |
| 第六章 利用空间相关特征的超短期风速预测 | 第85-101页 |
| 6.1 引言 | 第85页 |
| 6.2 空间相关风电功率预测方法 | 第85-93页 |
| 6.2.1 基本思路 | 第85-86页 |
| 6.2.2 数据需求 | 第86-87页 |
| 6.2.3 数据预处理 | 第87-92页 |
| 6.2.4 风电功率空间相关性外部条件的识别 | 第92页 |
| 6.2.5 相关特征抽取和离线建模 | 第92页 |
| 6.2.6 预测模型的选择 | 第92-93页 |
| 6.3 空间相关特征分类 | 第93页 |
| 6.3.1 特征量及其取值范围 | 第93页 |
| 6.3.2 特征子集划分 | 第93页 |
| 6.4 预测建模及模型选配 | 第93-94页 |
| 6.4.1 离线分类学习建模 | 第93-94页 |
| 6.4.2 在线模型选配 | 第94页 |
| 6.5 算例分析 | 第94-100页 |
| 6.5.1 算例描述 | 第94页 |
| 6.5.2 风电场之间的空间相关性分析 | 第94-96页 |
| 6.5.3 有条件的空间相关性预测 | 第96-98页 |
| 6.5.4 风速突变时的预测 | 第98-99页 |
| 6.5.5 不同特征对预测结果的影响 | 第99-100页 |
| 6.6 本章小结 | 第100-101页 |
| 第七章 总结与展望 | 第101-103页 |
| 7.1 总结 | 第101-102页 |
| 7.2 展望 | 第102-103页 |
| 攻读博士学位期间发表的学术论文 | 第103-105页 |
| 致谢 | 第105-107页 |
| 参考文献 | 第107-113页 |