| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·课题研究的目的及意义 | 第8-9页 |
| ·课题研究的背景和目的 | 第8页 |
| ·课题研究的意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·风速和风电功率的短期预测方法 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·本文的主要研究工作 | 第13-15页 |
| 2 基于神经网络的风电场风速短期组合预测 | 第15-28页 |
| ·引言 | 第15页 |
| ·组合预测的基本原理 | 第15-17页 |
| ·线性组合预测 | 第16页 |
| ·非线性组合预测 | 第16-17页 |
| ·基于神经网络的风电场风速短期组合预测的实现 | 第17-22页 |
| ·原始风速数据预处理 | 第17页 |
| ·用相空间重构法确定风速预测模型的输入向量 | 第17-19页 |
| ·基于 GRNN 神经网络的风速短期预测组合模型的设计 | 第19-21页 |
| ·预测结果处理及效果评价指标 | 第21页 |
| ·基于 GRNN 神经网络的短期风速组合预测实现步骤 | 第21-22页 |
| ·算例分析 | 第22-27页 |
| ·单一模型的风速预测 | 第22-25页 |
| ·组合模型的风速预测 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于经验模式分解和神经网络的风速短期组合预测 | 第28-44页 |
| ·引言 | 第28页 |
| ·经验模式分解法的基本原理 | 第28-30页 |
| ·粒子群优化算法 | 第30-31页 |
| ·粒子群算法的基本原理 | 第30-31页 |
| ·粒子群算法的计算步骤 | 第31页 |
| ·基于 EMD 和神经网络的短期风速组合预测的实现 | 第31-34页 |
| ·预测模型的建立 | 第31-32页 |
| ·风速单步预测的实现步骤 | 第32-34页 |
| ·风速多步预测的实现步骤 | 第34页 |
| ·算例分析 | 第34-43页 |
| ·荷兰某风电场实例分析 | 第34-39页 |
| ·甘肃某风电场实例分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 4 风电场发电功率预测 | 第44-65页 |
| ·引言 | 第44页 |
| ·风电机组输出功率特性曲线 | 第44-45页 |
| ·计及尾流效应的风电场功率预测 | 第45-50页 |
| ·尾流效应的数学模型 | 第45-47页 |
| ·计及平坦地区尾流效应的风电场功率预测 | 第47-48页 |
| ·计及复杂地区尾流效应的风电场功率预测 | 第48-50页 |
| ·风向对风电场功率预测的影响 | 第50-54页 |
| ·风向对平坦地区风电场功率预测的影响 | 第51-52页 |
| ·风向对复杂地区风电场功率预测的影响 | 第52-54页 |
| ·算例分析 | 第54-64页 |
| ·基于单机功率曲线的风电场功率预测 | 第55页 |
| ·不同风向时计及平坦地形尾流效应影响的风电场功率预测 | 第55-60页 |
| ·不同风向时计及复杂地区尾流效应影响的风电场功率预测 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 5 结论与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录：A.作者在攻读硕士学位期间发表的论文目录 | 第72页 |
