摘要 | 第11-13页 |
ABSTRACT | 第13-15页 |
第1章 绪论 | 第16-32页 |
1.1 课题背景与意义 | 第16-17页 |
1.2 课题研究现状回顾 | 第17-28页 |
1.2.1 风电出力特性分析研究 | 第17-20页 |
1.2.2 短期风电功率组合预测的研究 | 第20-23页 |
1.2.3 短期风电功率预测误差统计特性的研究 | 第23-25页 |
1.2.4 考虑风电功率预测误差的储能容量决策的研究 | 第25-28页 |
1.3 当前研究存在的问题 | 第28-29页 |
1.4 本文的主要工作和成果 | 第29-32页 |
第2章 基于希尔伯特-黄变换和Hurst分析的风电功率多尺度行为特征分析 | 第32-52页 |
2.1 引言 | 第32-33页 |
2.2 数据预处理与分析方法 | 第33-37页 |
2.2.1 希尔伯特-黄变换与端点效应 | 第33-34页 |
2.2.2 Hurst分析 | 第34-35页 |
2.2.3 混沌特性分析 | 第35-37页 |
2.3 风电功率多尺度行为特征分析 | 第37-49页 |
2.3.1 希尔伯特-黄变换与Hurst分析 | 第38-41页 |
2.3.2 多尺度叠加与重构 | 第41-42页 |
2.3.3 多尺度混沌特性分析 | 第42-44页 |
2.3.4 结果验证与分析 | 第44-49页 |
2.4 基于多尺度行为特性的超短期风电功率组合预测 | 第49-50页 |
2.5 本章小结 | 第50-52页 |
第3章 基于误差预测修正的短期风电功率组合预测 | 第52-74页 |
3.1 引言 | 第52页 |
3.2 短期风电功率多步预测 | 第52-55页 |
3.2.1 多步预测模式 | 第52-53页 |
3.2.2 短期风电功率直接多步预测 | 第53-55页 |
3.3 短期风电功率预测误差相关性分析 | 第55-60页 |
3.3.1 单步预测误差 | 第55页 |
3.3.2 多步预测误差 | 第55-60页 |
3.4 短期风电功率组合预测方法 | 第60-65页 |
3.4.1 回归学习算法 | 第60-62页 |
3.4.2 为误差预测模型选择输入变量 | 第62-64页 |
3.4.3 利用SVM/ELM构建误差预测模型 | 第64页 |
3.4.4 修正预测值 | 第64-65页 |
3.5 算例分析 | 第65-72页 |
3.5.1 验证指标 | 第65-66页 |
3.5.2 结果与分析 | 第66-71页 |
3.5.3 讨论 | 第71-72页 |
3.6 本章小结 | 第72-74页 |
第4章 基于Copula函数的短期预测误差不确定性建模 | 第74-90页 |
4.1 引言 | 第74-75页 |
4.2 数据来源及处理 | 第75-76页 |
4.3 多时段预测误差统计特性分析 | 第76-83页 |
4.3.1 预测误差概率分布估计方法 | 第76-77页 |
4.3.2 各时段预测误差的概率分布 | 第77-82页 |
4.3.3 不同时段预测误差的相关性分析 | 第82-83页 |
4.4 基于Copula函数的多时段预测误差联合概率分布 | 第83-88页 |
4.4.1 Copula函数理论 | 第83-84页 |
4.4.2 多时段预测误差联合概率分布 | 第84-88页 |
4.5 本章小结 | 第88-90页 |
第5章 考虑预测误差时间相关性的储能容量优化决策 | 第90-104页 |
5.1 引言 | 第90-91页 |
5.2 多场景技术 | 第91-94页 |
5.2.1 考虑预测误差时间相关性的随机场景生成 | 第91页 |
5.2.2 拉丁超立方采样和Cholesky分解 | 第91-92页 |
5.2.3 场景削减技术 | 第92-94页 |
5.3 储能功率和容量优化配置方法 | 第94-96页 |
5.3.1 配置模型 | 第94-95页 |
5.3.2 验证指标 | 第95-96页 |
5.4 算例分析 | 第96-102页 |
5.5 讨论 | 第102页 |
5.6 本章小结 | 第102-104页 |
第6章 结论与展望 | 第104-108页 |
参考文献 | 第108-124页 |
附录A | 第124-126页 |
附录B | 第126-128页 |
致谢 | 第128-130页 |
攻读博士学位期间发表的学术论文和科研奖励 | 第130-132页 |
攻读博士学位期间参加的科研工作 | 第132-133页 |
学位论文评阅及答辩情况表 | 第133页 |