| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 选题的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 风电确定性预测研究现状 | 第12-15页 |
| 1.2.2 风电不确定性估计的研究现状 | 第15-18页 |
| 1.3 研究现状分析 | 第18-19页 |
| 1.4 本论文研究的主要内容 | 第19-21页 |
| 第2章 风速方差的定义及特性 | 第21-42页 |
| 2.1 本章引言 | 第21-22页 |
| 2.2 风速方差定义及计算 | 第22-32页 |
| 2.2.1 风速方差定义 | 第22页 |
| 2.2.2 传统方差计算方法的局限性 | 第22-23页 |
| 2.2.3 基于小波的风速方差计算方法 | 第23-30页 |
| 2.2.4 风场实测风速的方差计算 | 第30-32页 |
| 2.3 风速方差的典型特性分析 | 第32-41页 |
| 2.3.1 调制效应 | 第33-37页 |
| 2.3.2 日周期特性 | 第37-39页 |
| 2.3.3 典型特性的物理机制分析 | 第39-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 风速方差的可预报性分析 | 第42-52页 |
| 3.1 引言 | 第42页 |
| 3.2 时间序列相关性分析 | 第42-44页 |
| 3.3 方差可预报性分析 | 第44-49页 |
| 3.3.1 基于自相关的可预报性分析 | 第44-47页 |
| 3.3.2 基于互相关的可预报性分析 | 第47-49页 |
| 3.4 风速方差多尺度可预报性 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 方差预报的模型设计及实验算例 | 第52-77页 |
| 4.1 引言 | 第52页 |
| 4.2 基于BP神经网络的预报模型 | 第52-60页 |
| 4.2.1 BP神经网络原理 | 第52-57页 |
| 4.2.2 BP神经网络的实现 | 第57-59页 |
| 4.2.3 BP神经网络优化 | 第59-60页 |
| 4.3 预报模型的输入选择 | 第60-63页 |
| 4.4 预报实验 | 第63-70页 |
| 4.4.1 提前 10min预报实验 | 第64-65页 |
| 4.4.2 提前 20min预报实验 | 第65-66页 |
| 4.4.3 提前 30min预报实验 | 第66-67页 |
| 4.4.4 提前 40min预报实验 | 第67-68页 |
| 4.4.5 提前 50min预报实验 | 第68-69页 |
| 4.4.6 提前 60min预报实验 | 第69-70页 |
| 4.5 预报模型的验证 | 第70-73页 |
| 4.6 预报模型的改进 | 第73-75页 |
| 4.7 本章小结 | 第75-77页 |
| 第5章 方差预报的误差统计分析 | 第77-99页 |
| 5.1 引言 | 第77页 |
| 5.2 预报误差与预报步长的关系 | 第77-78页 |
| 5.3 预报误差的统计分布 | 第78-91页 |
| 5.3.1 方差提前 10min预报误差的统计分布 | 第80-82页 |
| 5.3.2 方差提前 20min预报误差的统计分布 | 第82-83页 |
| 5.3.3 方差提前 30min预报误差的统计分布 | 第83-85页 |
| 5.3.4 方差提前 40min预报误差的统计分布 | 第85-87页 |
| 5.3.5 方差提前 50min预报误差的统计分布 | 第87-89页 |
| 5.3.6 方差提前 60min预报误差的统计分布 | 第89-91页 |
| 5.4 风速方差预报误差统计分布的验证 | 第91-97页 |
| 5.4.1 支持向量机回归 | 第91-93页 |
| 5.4.2 方差预报误差分布形式的验证 | 第93-97页 |
| 5.5 本章小结 | 第97-99页 |
| 结论与展望 | 第99-102页 |
| 参考文献 | 第102-107页 |
| 攻读学位期间研究成果 | 第107-109页 |
| 致谢 | 第109页 |
