| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-22页 |
| ·论文研究背景 | 第10-11页 |
| ·风电功率预测研究意义 | 第11-14页 |
| ·全球风力发电产业现状 | 第11-12页 |
| ·中国风力发电产业现状 | 第12-13页 |
| ·风电功率预测研究目的和意义 | 第13-14页 |
| ·风电功率预测研究方法及分类 | 第14-18页 |
| ·风力发电功率预测分类 | 第14-16页 |
| ·风力发电功率短期预测方法 | 第16-18页 |
| ·国内外研究现状与发展 | 第18-21页 |
| ·国外研究现状与发展 | 第18-19页 |
| ·国内研究现状与发展 | 第19-21页 |
| ·本论文研究的主要内容 | 第21-22页 |
| 第二章 风电机组风速-功率模型 | 第22-32页 |
| ·风电机组输出功率的数学模型 | 第22-23页 |
| ·影响风电机组实际输出功率的因素 | 第23-25页 |
| ·空气密度对风电机组输出功率的影响 | 第23-24页 |
| ·尾流效应对风电机组输出功率的影响 | 第24-25页 |
| ·风电机组功率曲线拟合 | 第25-28页 |
| ·风电机组输出功率模型 | 第25-26页 |
| ·风电机组输出功率曲线拟合 | 第26-27页 |
| ·风电机组输出功率曲线拟合精度评定 | 第27-28页 |
| ·风电场风能数据特性 | 第28-32页 |
| ·风电机组SCADA历史数据 | 第28-30页 |
| ·风电场测风塔历史数据 | 第30页 |
| ·风电场数值天气预报数据NWP | 第30-32页 |
| 第三章 基于BP神经网络的风电功率短期预测模型 | 第32-43页 |
| ·BP神经网络算法 | 第32-34页 |
| ·BP算法原理 | 第32-34页 |
| ·基于BP神经网络的风电功率预测 | 第34页 |
| ·基于BP神经网络的风电功率短期预测模型 | 第34-37页 |
| ·数据归一化 | 第34-35页 |
| ·BP神经网络预测流程 | 第35-36页 |
| ·误差评定方法 | 第36-37页 |
| ·数值天气预报NWP风速序列修正 | 第37-43页 |
| ·数值天气预报数据NWP风速序列分析 | 第37-40页 |
| ·数值天气预报数据NWP风速序列修正 | 第40-43页 |
| 第四章 基于NWP修正的BP神经网络风电功率短期预测 | 第43-55页 |
| ·算例风场概述 | 第43页 |
| ·基于风电机组功率曲线拟合的风电机组短期功率预测 | 第43-47页 |
| ·选取拟合曲线及历史日范围 | 第43-45页 |
| ·利用曲线拟合预测风电机组输出功率 | 第45-47页 |
| ·基于NWP修正的BP神经网络风电机组短期功率预测 | 第47-52页 |
| ·基于NWP修正的BP神经网络风电机组短期功率误差带预测 | 第52-55页 |
| ·基于NWP修正的BP神经网络风电机组短期功率预测误差分析 | 第52-53页 |
| ·基于NWP修正的BP神经网络风电机组短期功率误差带预测 | 第53-55页 |
| 第五章 风电场全场输出功率短期预测 | 第55-62页 |
| ·风电场全场输出功率短期预测方法 | 第55页 |
| ·算例风场输出功率短期预测 | 第55-60页 |
| ·基于测风塔数据的全场输出功率短期预测 | 第55-57页 |
| ·基于单机输出功率叠加的全场功率短期预测 | 第57-60页 |
| ·典型风机输出功率拓展预测 | 第60页 |
| ·电网调度端风电功率预测 | 第60-62页 |
| 第六章 总结与展望 | 第62-65页 |
| ·本文结论及创新点 | 第62-63页 |
| ·课题研究展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表或录用的学术论文 | 第68页 |
