| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景及研究的目的和意义 | 第11-14页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究目的及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 深度学习算法研究现状 | 第14-15页 |
| 1.2.2 风电功率预测研究现状 | 第15页 |
| 1.2.3 深度学在风电功率预测的研究现状 | 第15-16页 |
| 1.3 论文的主要研究思路及内容 | 第16-19页 |
| 第2章 风电场功率预测数据清洗方法 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 风电场功率预测数据质量分析 | 第19-22页 |
| 2.2.1 NWP数据质量分析 | 第19-20页 |
| 2.2.2 实测风速数据质量分析 | 第20-21页 |
| 2.2.3 实测功率数据质量分析 | 第21-22页 |
| 2.3 风电场实测风速数据清洗方法 | 第22-29页 |
| 2.3.1 基于流场相似状态的KNN插补方法 | 第22-24页 |
| 2.3.2 基于相关性排序的插补方法 | 第24-25页 |
| 2.3.3 两种数据插补方法对比 | 第25-29页 |
| 2.4 风电场实测功率数据清洗方法 | 第29-31页 |
| 2.4.1 桨距角上临界曲线辨识方法 | 第29-30页 |
| 2.4.2 实测功率数据清洗效果 | 第30-31页 |
| 2.4.3 全场功率数据筛选规则 | 第31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于堆叠降噪自动编码机的多点NWP误差修正方法 | 第33-53页 |
| 3.1 引言 | 第33页 |
| 3.2 NWP的误差模式 | 第33-40页 |
| 3.2.1 NWP误差的定义 | 第33-34页 |
| 3.2.2 NWP误差模式分析 | 第34-39页 |
| 3.2.3 误差模式总结 | 第39-40页 |
| 3.3 堆叠降噪自动编码机 | 第40-43页 |
| 3.3.1 降噪自动编码机及其稀疏性限制 | 第40-42页 |
| 3.3.2 逐层无监督训练和微调 | 第42-43页 |
| 3.4 NWP误差修正模型建模过程 | 第43-44页 |
| 3.5 算例分析 | 第44-51页 |
| 3.5.1 风电场数据及预处理 | 第44-45页 |
| 3.5.2 模型参数与对比模型设置 | 第45-47页 |
| 3.5.3 NWP修正结果与分析 | 第47-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第4章 基于修正NWP风速和堆叠自动编码机的风电功率预测 | 第53-63页 |
| 4.1 引言 | 第53页 |
| 4.2 多对多功率预测建模路线的优点与难点 | 第53-54页 |
| 4.2.1 多对多结构优点 | 第53页 |
| 4.2.2 多对多结构的难点 | 第53-54页 |
| 4.3 基于修正NWP和SDAE的风电功率预测模型 | 第54-55页 |
| 4.4 算例分析 | 第55-62页 |
| 4.4.1 数据及预处理 | 第55-56页 |
| 4.4.2 模型参数与对比模型设置 | 第56-57页 |
| 4.4.3 评价指标 | 第57-58页 |
| 4.4.4 结果分析 | 第58-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 结论与展望 | 第63-65页 |
| 5.1 结论 | 第63-64页 |
| 5.2 创新点 | 第64页 |
| 5.3 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-70页 |
| 致谢 | 第70页 |
