| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 选题背景及研究意义 | 第11-13页 |
| 1.1.1 课题背景 | 第11-13页 |
| 1.1.2 风电功率概率性预测研究意义 | 第13页 |
| 1.2 风电功率预测的分类类型 | 第13-14页 |
| 1.3 风电功率概率性研究现状 | 第14-17页 |
| 1.3.1 国外研究现状 | 第15-16页 |
| 1.3.2 国内研究现状 | 第16-17页 |
| 1.4 本文主要工作 | 第17-19页 |
| 第2章 基于滑动分块百分位数Bootstrap法的风电功率概率区间预测 | 第19-30页 |
| 2.1 风电功率特性分析 | 第19-21页 |
| 2.1.1 风电功率预测误差分布 | 第19-20页 |
| 2.1.2 风功率时间相依性 | 第20-21页 |
| 2.2 滑动分块Bootstrap法理论 | 第21-22页 |
| 2.2.1 滑动分块Bootstrap法重采样技术 | 第21页 |
| 2.2.2 滑块最优长度估计 | 第21-22页 |
| 2.3 基于滑动分块百分位数Bootstrap法风功率区间预测模型 | 第22-25页 |
| 2.3.1 风功率预测区间的划分 | 第22页 |
| 2.3.2 基于四分位法的滑动分块百分位数Bootstrap法置信区间求取 | 第22-24页 |
| 2.3.3 风功率区间预测模型预测步骤 | 第24-25页 |
| 2.4 算例分析 | 第25-29页 |
| 2.4.1 预测误差区间划分 | 第25-26页 |
| 2.4.2 滑块最优长度选取 | 第26页 |
| 2.4.3 仿真分析与对比 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于集合经验模态分解和核极限学习机的风电功率概率区间估计 | 第30-40页 |
| 3.1 集合经验模态分解 | 第30-31页 |
| 3.2 极限学习机预测法 | 第31-33页 |
| 3.2.1 极限学习机区间预测模型 | 第31-32页 |
| 3.2.2 基于核函数的极限学习机区间预测模型 | 第32-33页 |
| 3.3 基于PSO的EEMD-KELM风电功率概率区间预测模型 | 第33-35页 |
| 3.3.1 模型建立 | 第33-34页 |
| 3.3.2 预测步骤 | 第34-35页 |
| 3.4 实例分析 | 第35-38页 |
| 3.4.1 EEMD数据分解 | 第35-36页 |
| 3.4.2 PSO—KELM模型参数设定 | 第36-37页 |
| 3.4.3 仿真分析与对比 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于风电波动特征匹配度的KELM—NKDE功率区间预测 | 第40-49页 |
| 4.1 基于风电波动特征匹配度的功率预测评价指标 | 第40-41页 |
| 4.1.1 均方根误差 | 第40页 |
| 4.1.2 功率梯度 | 第40-41页 |
| 4.1.3 功率曲率 | 第41页 |
| 4.1.4 预测结果综合评价指标 | 第41页 |
| 4.2 非参数核密度估计法 | 第41-43页 |
| 4.3 基于风电波动特征匹配度的KELM—NKDE功率区间预测模型 | 第43-44页 |
| 4.3.1 模型建立 | 第43-44页 |
| 4.3.2 预测步骤 | 第44页 |
| 4.4 算例分析 | 第44-48页 |
| 4.4.1 KELM模型优化结果 | 第44-45页 |
| 4.4.2 NKDE法参数选取 | 第45页 |
| 4.4.3 基于NKDE法的功率区间求取与分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 5.1 结论 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第55-56页 |
| 致谢 | 第56页 |
