| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 国内外在该方向上的研究现状 | 第11-14页 |
| 1.2.1 风电功率常规预测 | 第11-12页 |
| 1.2.2 风电功率陡坡预测 | 第12-13页 |
| 1.2.3 风电并网对备用需求的影响现状 | 第13-14页 |
| 1.3 相关研究格局及有待完善之处 | 第14页 |
| 1.4 本文主要研究内容 | 第14-16页 |
| 第2章 风电功率陡坡事件的统计特性分析 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 风电功率陡坡定义 | 第16-17页 |
| 2.3 风电功率陡坡事件检测原理流程 | 第17-20页 |
| 2.4 实际风电场风电功率陡坡事件检测与统计分析 | 第20-28页 |
| 2.4.1 风电功率陡坡事件年度分布规律 | 第21-24页 |
| 2.4.2 风电功率陡坡事件月度分布规律 | 第24-25页 |
| 2.4.3 风电功率陡坡事件日分布规律 | 第25-27页 |
| 2.4.4 几种典型的陡坡分析 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于支持向量机的陡坡事件识别与预测 | 第29-42页 |
| 3.1 引言 | 第29页 |
| 3.2 支持向量机模型简介 | 第29-32页 |
| 3.2.1 支持向量机基本原理 | 第29-30页 |
| 3.2.2 支持向量机分类器原理 | 第30-31页 |
| 3.2.3 libsvm 工具箱介绍 | 第31-32页 |
| 3.3 时间序列模型简介 | 第32-33页 |
| 3.4 陡坡事件的 SVM 训练与预测 | 第33-36页 |
| 3.4.1 特征量的选择与预测步骤 | 第33-35页 |
| 3.4.2 陡坡事件预测结果评价 | 第35-36页 |
| 3.5 算例分析 | 第36-41页 |
| 3.5.1 全局陡坡事件识别 | 第36-37页 |
| 3.5.2 全局陡坡幅值及持续时间预测 | 第37-39页 |
| 3.5.3 局部陡坡事件的识别 | 第39-40页 |
| 3.5.4 局部陡坡幅值预测 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 考虑风电功率陡坡的系统备用需求计算 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 电力系统备用问题概述 | 第42-43页 |
| 4.2.1 电力系统备用的意义 | 第42-43页 |
| 4.2.2 电力系统备用的类型 | 第43页 |
| 4.3 考虑风电功率陡坡影响时的旋转备用容量计算方法 | 第43-51页 |
| 4.3.1 几种预测误差类型 | 第44-46页 |
| 4.3.2 旋转备用容量的计算 | 第46-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60页 |