风力发电机组再切入控制策略研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 风电机组再切入控制策略研究现状 | 第11-13页 |
| 1.3 海上风机控制 | 第13-15页 |
| 1.4 本文主要工作 | 第15-17页 |
| 第二章 台风时期的风速特性 | 第17-24页 |
| 2.1 风速特性 | 第17-19页 |
| 2.1.1 风的形成 | 第17页 |
| 2.1.2 风速的变化特性 | 第17-18页 |
| 2.1.3 风速分布特性 | 第18-19页 |
| 2.2 台风特性 | 第19-23页 |
| 2.2.1 台风概述 | 第19页 |
| 2.2.2 台风数据来源与处理 | 第19-20页 |
| 2.2.3 台风变化特性分析 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于组合死区的风机再切入控制策略分析 | 第24-32页 |
| 3.1 基于风速死区的风机再切入控制策略分析 | 第25-26页 |
| 3.2 基于时间死区的风机再切入控制策略分析 | 第26-28页 |
| 3.3 组合死区下风机的再切入控制策略分析 | 第28-31页 |
| 3.4 本章总结 | 第31-32页 |
| 第四章 基于风速区间预测的风机再切入控制策略研究 | 第32-52页 |
| 4.1 台风下的超短期风速预测 | 第32-34页 |
| 4.2 条件风速概率密度分布 | 第34-36页 |
| 4.3 基于SVM的超短期风速预测 | 第36-42页 |
| 4.3.1 SVM的回归算法概述 | 第36-38页 |
| 4.3.2 SVM应用于风速预测 | 第38-40页 |
| 4.3.3 预测结果及仿真分析 | 第40-42页 |
| 4.4 基于LSTM的超短期风速预测 | 第42-47页 |
| 4.4.1 循环神经网络(RNN)原理结构 | 第42-44页 |
| 4.4.2 LSTM原理结构 | 第44-46页 |
| 4.4.3 预测结果及仿真分析 | 第46-47页 |
| 4.5 风速预测结果对比分析 | 第47-50页 |
| 4.6 基于风速区间预测的风机再切入控制 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 结论与展望 | 第52-54页 |
| 结论 | 第52-53页 |
| 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读学位期间相关研究成果 | 第59-60页 |
| 附录B 不同风速死区下切出次数与停机时间 | 第60-61页 |
| 附录C 不同时间死区下切出次数与停机时间 | 第61页 |
