风力发电超短期功率预测的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-18页 |
| ·课题研究背景 | 第9-11页 |
| ·课题研究的目的和意义 | 第9-10页 |
| ·世界风电发展现状 | 第10页 |
| ·我国风电发展现状 | 第10-11页 |
| ·风电场功率预测研究现状 | 第11-16页 |
| ·国外研究现状 | 第11-14页 |
| ·国内研究现状 | 第14-15页 |
| ·基于相似日和神经网络风电功率预测的研究现状 | 第15-16页 |
| ·风电功率区间预测的研究现状 | 第16页 |
| ·论文的主要工作 | 第16-18页 |
| 2 基于BP神经网络的超短期风电功率预测 | 第18-29页 |
| ·BP神经网络 | 第18-23页 |
| ·BP神经元模型 | 第18-20页 |
| ·BP神经网络的结构 | 第20页 |
| ·BP神经网络的学习算法 | 第20-23页 |
| ·直接法预测风电功率 | 第23-24页 |
| ·数据的预处理 | 第23页 |
| ·算例分析 | 第23-24页 |
| ·误差分析 | 第24页 |
| ·间接法预测风电功率 | 第24-28页 |
| ·影响风电功率主要因素的分析 | 第24-25页 |
| ·功率特性曲线 | 第25-27页 |
| ·算例分析 | 第27-28页 |
| ·误差分析 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 基于相似日的神经网络超短期风电功率预测 | 第29-41页 |
| ·组合权重选取相似日 | 第29-32页 |
| ·客观权重的确定 | 第29-30页 |
| ·主观权重的确定 | 第30-31页 |
| ·组合权重的确定 | 第31-32页 |
| ·BP神经网络参数的选取 | 第32-33页 |
| ·学习速率的选择 | 第32页 |
| ·初始权值的选择 | 第32页 |
| ·神经网络结构的选择 | 第32-33页 |
| ·预测步骤 | 第33-34页 |
| ·仿真与误差分析 | 第34-40页 |
| ·直接法预测分析 | 第34-37页 |
| ·间接法预测分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 4 基于核密度估计的风电功率区间预测 | 第41-50页 |
| ·风电功率区间的划分 | 第41页 |
| ·非参数密度估计 | 第41-44页 |
| ·非参数密度估计原理及特点 | 第41页 |
| ·非参数密度估计具体方法 | 第41-42页 |
| ·核密度估计方法 | 第42-44页 |
| ·置信区间估计 | 第44-45页 |
| ·算例分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 5 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
