| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题提出的背景及研究意义 | 第9-10页 |
| ·风电功率预测的研究内容 | 第10-13页 |
| ·风力发电功率预测的分类 | 第10-11页 |
| ·风力发电功率预测的应用 | 第11-12页 |
| ·风力发电功率预测方法 | 第12-13页 |
| ·国内外风电功率预测发展现状 | 第13-16页 |
| ·国际风电功率预测发展现状 | 第13-15页 |
| ·国内风电功率预测发展现状 | 第15-16页 |
| ·本论文的结构安排 | 第16-17页 |
| 第二章 风电场及其参数规律 | 第17-26页 |
| ·数值天气预报 NWP 概述 | 第17-18页 |
| ·风与风能简介 | 第18-20页 |
| ·风速与风向的基本特征 | 第18-19页 |
| ·风能与风力发电功率计算 | 第19-20页 |
| ·风电场数据处理 | 第20-21页 |
| ·风电场运行数据的检验 | 第20页 |
| ·缺失数据的补充订正 | 第20-21页 |
| ·风电场输出功率的影响因素及参数选择 | 第21-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于人工神经网络的风电场超短期风速预测研究 | 第26-40页 |
| ·神经网络概述 | 第26-28页 |
| ·神经网络简介及算法 | 第26-28页 |
| ·神经网络的学习方法 | 第28页 |
| ·基于 BP 神经网络算法的预测模型研究 | 第28-33页 |
| ·BP 神经网络简介及算法 | 第28-32页 |
| ·BP 神经网络的泛化能力 | 第32-33页 |
| ·数值天气预报 NWP 风速序列修正 | 第33-39页 |
| ·NWP 数据分析 | 第33-35页 |
| ·NWP 风速序列修正的 BP 神经网络模型 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于随机时间序列法建模 | 第40-57页 |
| ·时间序列概述 | 第40-42页 |
| ·时间序列定义 | 第40-41页 |
| ·时间序列的分类和组合成分 | 第41-42页 |
| ·基于时间序列的预测模型研究 | 第42-48页 |
| ·ARMA 模型 | 第42-44页 |
| ·AR 模型 | 第44-46页 |
| ·MA 模型 | 第46-47页 |
| ·ARIMA 模型 | 第47-48页 |
| ·时间序列法建模 | 第48-56页 |
| ·建模思想 | 第48-49页 |
| ·建模过程 | 第49-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 超短期风电场风电功率预测研究 | 第57-63页 |
| ·风电场理论发电功率计算 | 第57页 |
| ·风电场输出功率预测 | 第57-62页 |
| ·最小二乘法 | 第58-60页 |
| ·超短期功率预测结果分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| ·本研究的结论 | 第63-64页 |
| ·论文的不足与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录（攻读硕士学位期间的科技成果） | 第70-71页 |
| 详细摘要 | 第71-74页 |
| 英文长摘要 | 第74-78页 |