基于气象测量场的风电爬坡事件与功率预测
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究现状 | 第15-21页 |
| 1.2.1 风电爬坡事件的定义 | 第15-17页 |
| 1.2.2 风电场短期风功率预测方法 | 第17-19页 |
| 1.2.3 风电爬坡事件预测研究方法 | 第19-21页 |
| 1.3 本文主要工作 | 第21-22页 |
| 第2章 气象测量场的数据特征分析 | 第22-35页 |
| 2.1 气象测量场数据相关性分析 | 第22-26页 |
| 2.1.1 空间分布的自动气象观测站 | 第22-23页 |
| 2.1.2 观测站数据相关分析 | 第23-24页 |
| 2.1.3 算例分析 | 第24-26页 |
| 2.2 风能资源参数 | 第26-29页 |
| 2.2.1 风速分布特性 | 第26页 |
| 2.2.2 风电机组出力特性 | 第26-27页 |
| 2.2.3 风资源参数预处理 | 第27-29页 |
| 2.3 爬坡事件数据特征分析 | 第29-33页 |
| 2.3.1 爬坡时段风功率数据特性 | 第29-32页 |
| 2.3.2 风电场中爬坡事件统计分析 | 第32-33页 |
| 2.4 小结 | 第33-35页 |
| 第3章 基于气象测量场的爬坡时段区域风功率预测 | 第35-51页 |
| 3.1 基于经验正交函数分解的气场测量场数据处理 | 第35-39页 |
| 3.1.1 经验正交函数分解的基本原理 | 第35-37页 |
| 3.1.2 基于EOF的气象测量场的模态分析 | 第37-39页 |
| 3.2 爬坡时段区域风功率预测模型 | 第39-45页 |
| 3.2.1 区域风功率预测模型 | 第39-41页 |
| 3.2.2 算例分析 | 第41-45页 |
| 3.3 考虑风速预测误差的区间EOF分解 | 第45-50页 |
| 3.3.1 区间EOF分解原理 | 第45-46页 |
| 3.3.2 考虑风速预测误差的区间风功率预测模型 | 第46-49页 |
| 3.3.3 算例分析 | 第49-50页 |
| 3.4 小结 | 第50-51页 |
| 第4章 基于PSO-SVM的风电爬坡事件预测 | 第51-67页 |
| 4.1 支持向量机原理 | 第51-56页 |
| 4.1.1 支持向量机简介 | 第51-52页 |
| 4.1.2 支持向量机原理 | 第52-55页 |
| 4.1.3 LIBSVM工具箱介绍 | 第55-56页 |
| 4.2 基于PSO-SVM的风电爬坡事件预测模型 | 第56-61页 |
| 4.2.1 支持向量机参数优化 | 第56-58页 |
| 4.2.2 基于粒子群算法的SVM参数寻优 | 第58-59页 |
| 4.2.3 风电爬坡事件预测模型 | 第59-61页 |
| 4.3 算例分析 | 第61-66页 |
| 4.3.1 预测模型输入和参数选择 | 第62-63页 |
| 4.3.2 风电爬坡事件预测实例 | 第63-66页 |
| 4.4 小结 | 第66-67页 |
| 第5章 结论与展望 | 第67-69页 |
| 5.1 本文结论 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 作者在攻读硕士学位期间取得的成果 | 第74-75页 |
| 附件 | 第75页 |
