东团堡风电场短期风电功率预测研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究的背景和意义 | 第12-15页 |
| 1.1.1 课题研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 风力发电发展现状 | 第15-16页 |
| 1.2.2 风电功率预测方法研究现状 | 第16-18页 |
| 1.3 论文的主要工作 | 第18-20页 |
| 第2章 东风堡风电项目总体概况 | 第20-27页 |
| 2.1 河北省风力发电发展概况 | 第20-21页 |
| 2.1.1 河北省风力资源利用情况 | 第20-21页 |
| 2.1.2 河北省风力发电装机容量预测 | 第21页 |
| 2.2 东团堡风电场项目现状 | 第21-24页 |
| 2.2.1 第一期项目 | 第22页 |
| 2.2.2 第二期项目 | 第22-23页 |
| 2.2.3 风电机组型号选择 | 第23-24页 |
| 2.3 涞源县风资源分布情况 | 第24-26页 |
| 2.3.1 涞源县平均风速分析 | 第24-25页 |
| 2.3.2 80 米测风塔的风速数据分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于PSO-BP神经网络的短期预测 | 第27-44页 |
| 3.1 神经网络的简介 | 第27-35页 |
| 3.1.1 多层感知器神经网络 | 第27-29页 |
| 3.1.2 神经网络的训练算法 | 第29-32页 |
| 3.1.3 BP神经网络模型 | 第32-33页 |
| 3.1.4 BP算法学习过程 | 第33-35页 |
| 3.2 粒子群算法概述 | 第35-41页 |
| 3.2.1 粒子群算法的简介 | 第35-37页 |
| 3.2.2 粒子群算法的应用 | 第37-38页 |
| 3.2.3 粒子群算法的特点 | 第38页 |
| 3.2.4 粒子群算法的步骤及参数设计 | 第38-41页 |
| 3.3 粒子群算法与BP神经网络的结合 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 东团堡风电场的短期风电功率预测 | 第44-56页 |
| 4.1 风电场历史数据来源以及数据的预处理 | 第44-45页 |
| 4.1.1 风电场的历史数据来源 | 第44页 |
| 4.1.2 数据预处理 | 第44-45页 |
| 4.2 风速的变化特性 | 第45-49页 |
| 4.2.1 风速的变化特性 | 第45-46页 |
| 4.2.2 风速的概率分布特性 | 第46-49页 |
| 4.3 东团堡风电场的短期风预测 | 第49-54页 |
| 4.3.1 东团堡风电功率预测系统的个性问题 | 第49-50页 |
| 4.3.2 PSO—BP神经网络预测模型的建立 | 第50-51页 |
| 4.3.3 东团堡风电功率预测结果分析 | 第51-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 结论与展望 | 第56-58页 |
| 5.1 结论 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
