摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 研究目的及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-13页 |
1.3 论文主要研究内容 | 第13-16页 |
第二章 基于数值天气预报的风电功率预测关键技术概述 | 第16-27页 |
2.1 数值天气预报WRF模式概述 | 第16-19页 |
2.1.1 WRF模式简介 | 第16-17页 |
2.1.2 WRF计算框架 | 第17-19页 |
2.2 数据预处理方法概述 | 第19-21页 |
2.2.1 数据合理性检验 | 第19-20页 |
2.2.2 数据完备性检验 | 第20页 |
2.2.3 数据样本分类 | 第20页 |
2.2.4 数据归一化 | 第20-21页 |
2.3 风电功率预测建模方法概述 | 第21-22页 |
2.4 预测误差评价体系概述 | 第22-25页 |
2.4.1 一般误差评价体系 | 第22-23页 |
2.4.2 误差评价体系现状 | 第23-25页 |
2.5 风电功率预测系统优化方案 | 第25-27页 |
第三章 考虑风电数据的数值天气预报算法 | 第27-37页 |
3.1 基于DBSCAN-OI的资料同化算法 | 第27-32页 |
3.1.1 基于DBSCAN的嵌套网格划分方法 | 第27-30页 |
3.1.2 基于最优统计插值的资料同化算法 | 第30-32页 |
3.2 基于风电场数据的数值天气预报算法 | 第32-33页 |
3.3 算例分析 | 第33-36页 |
3.3.1 风速场网格划分效果分析 | 第33-34页 |
3.3.2 资料同化算法效果分析 | 第34-36页 |
3.4 本章小结 | 第36-37页 |
第四章 基于虚拟测风塔的数据预处理算法 | 第37-42页 |
4.1 虚拟测风塔模型搭建 | 第37-39页 |
4.1.1 风速水平插值 | 第37-38页 |
4.1.2 风廓线拟合 | 第38页 |
4.1.3 OIDW算法 | 第38-39页 |
4.2 算例分析 | 第39-41页 |
4.2.1 OIDW算法分析 | 第39-40页 |
4.2.2 虚拟测风塔模型分析 | 第40-41页 |
4.3 本章小结 | 第41-42页 |
第五章 基于RBF的短期风电功率预测建模方法 | 第42-51页 |
5.1 基于RBF神经网络的风速预测算法 | 第42-46页 |
5.1.1 神经网络基本原理 | 第42-44页 |
5.1.2 RBF神经网络 | 第44-46页 |
5.2 整风场风速—功率曲线拟合算法 | 第46-47页 |
5.2.1 风机输出功率的数学模型 | 第46-47页 |
5.2.2 整风场风速—功率曲线拟合 | 第47页 |
5.3 基于RBF神经网络的短期风电功率预测算法 | 第47-48页 |
5.4 算例分析 | 第48-50页 |
5.4.1 基于RBF神经网络的风速预测分析 | 第48-49页 |
5.4.2 整风场风速——功率曲线拟合算法分析 | 第49页 |
5.4.3 基于RBF神经网络的短期风电功率预测算法分析 | 第49-50页 |
5.5 本章小结 | 第50-51页 |
第六章 预测误差综合评价指标体系 | 第51-60页 |
6.1 风电功率预测误差分析 | 第51-55页 |
6.1.1 误差的组成 | 第51-52页 |
6.1.2 误差的形态分类及其产生机理 | 第52-54页 |
6.1.3 精度提高方法 | 第54-55页 |
6.2 新指标定义 | 第55-57页 |
6.2.1 针对不同风速段的误差考核 | 第55-56页 |
6.2.2 负荷高峰与负荷低谷 | 第56页 |
6.2.3 正负偏差误差 | 第56-57页 |
6.3 预测误差评价体系建立 | 第57-59页 |
6.4 本章小结 | 第59-60页 |
第七章 风电功率预测系统研制 | 第60-64页 |
7.1 系统架构 | 第60页 |
7.2 系统功能模块说明 | 第60-62页 |
7.2.1 数值天气预报模块 | 第61页 |
7.2.2 功率预测模块 | 第61页 |
7.2.3 预测误差综合评价模块 | 第61页 |
7.2.4 人机交互模块 | 第61-62页 |
7.3 系统界面说明 | 第62-63页 |
7.4 本章小结 | 第63-64页 |
总结与展望 | 第64-65页 |
参考文献 | 第65-68页 |
攻读硕士学位期间取得的研究成果 | 第68-69页 |
致谢 | 第69-70页 |
附录 | 第70页 |