基于数据驱动的风电场功率预测及其在源荷协调中的应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 数据清洗方法的研究现状 | 第12-13页 |
| 1.2.2 风电场功率预测的研究现状 | 第13-15页 |
| 1.2.3 基于风电的一体化调度的研究现状 | 第15-16页 |
| 1.3 论文研究内容和创新 | 第16-19页 |
| 1.3.1 本文的研究内容 | 第16-17页 |
| 1.3.2 本文的特色与创新 | 第17-19页 |
| 第2章 基于数据驱动的数据清洗方法研究 | 第19-29页 |
| 2.1 贝兹理论和理想功率曲线 | 第19-20页 |
| 2.1.1 贝兹理论 | 第19页 |
| 2.1.2 理想功率曲线 | 第19-20页 |
| 2.2 数据清洗的机理 | 第20-28页 |
| 2.2.1 数据清洗的理论架构 | 第20-22页 |
| 2.2.2 基准功率曲线的拟合 | 第22页 |
| 2.2.3 数据集双向清洗机理 | 第22-23页 |
| 2.2.4 数据清洗仿真环境和结果分析 | 第23-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 风电场短期功率预测 | 第29-44页 |
| 3.1 支持向量机回归机理 | 第29-31页 |
| 3.2 短期风功率预测建模 | 第31-38页 |
| 3.2.1 基于主成分分析的输入项维度选择 | 第32-33页 |
| 3.2.2 模型参数的优化 | 第33-38页 |
| 3.2.3 风功率预测模型 | 第38页 |
| 3.2.4 风功率预测误差评估指标 | 第38页 |
| 3.3 实验仿真及分析 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于风电短期预测信息的一体化调度 | 第44-59页 |
| 4.1 模糊理论约束规划 | 第44-45页 |
| 4.2 基于机会约束的一体化调度模型 | 第45-51页 |
| 4.2.1 需求响应和电动汽车 | 第45-48页 |
| 4.2.2 目标函数 | 第48页 |
| 4.2.3 约束条件 | 第48-49页 |
| 4.2.4 优化模型的等价与求解 | 第49-51页 |
| 4.3 算例分析 | 第51-58页 |
| 4.3.1 对象与条件 | 第51-53页 |
| 4.3.2 结果与分析 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的学术论文及参与的科研项目 | 第66页 |
