风速风功率短期预测研究
| 中文摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景及研究意义 | 第11-13页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 风速风功率预测研究进展 | 第13-16页 |
| 1.2.1 预测分类及方法 | 第13-14页 |
| 1.2.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要工作和组织结构 | 第16-18页 |
| 第2章 风速风功率预测的基本理论 | 第18-23页 |
| 2 .1 WRF模型 | 第18-19页 |
| 2.2 曲线拟合 | 第19-20页 |
| 2.2.1 最小二乘法 | 第19-20页 |
| 2.2.2 多项式拟合 | 第20页 |
| 2.3 神经网络 | 第20-22页 |
| 2.3.1 神经网络的基本概念 | 第20-21页 |
| 2.3.2 神经网络的特点 | 第21页 |
| 2.3.3 神经网络的分类 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 风电场风速短期预测 | 第23-36页 |
| 3.1 WRF风速预测模型 | 第23-24页 |
| 3.2 基于WRF不同物理过程方案的风速短期预测 | 第24-32页 |
| 3.2.1 微物理过程方案的比较 | 第25-27页 |
| 3.2.2 陆面过程方案的比较 | 第27-29页 |
| 3.2.3 边界层方案的比较 | 第29-30页 |
| 3.2.4 积云对流方案的比较 | 第30-32页 |
| 3.2.5 结果分析 | 第32页 |
| 3.3 基于WRF不同嵌套模式的风速短期预测 | 第32-35页 |
| 3.3.1 实例预测结果 | 第33-34页 |
| 3.3.2 误差计算及结果分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 风电场输出功率短期预测 | 第36-51页 |
| 4.1 基于功率曲线方法的输出功率短期预测 | 第36-40页 |
| 4.1.1 风力发电机组的功率曲线 | 第36-37页 |
| 4.1.2 功率曲线的建立途径 | 第37页 |
| 4.1.3 功率曲线的建立方法 | 第37-40页 |
| 4.2 基于神经网络方法的输出功率短期预测 | 第40-44页 |
| 4.2.1 BP神经网络简介 | 第40-41页 |
| 4.2.2 BP神经网络学习算法 | 第41-42页 |
| 4.2.3 BP神经网络局限性 | 第42页 |
| 4.2.4 BP神经网络建模 | 第42-44页 |
| 4.3 评价标准及结果分析 | 第44-46页 |
| 4.4 遗传算法优化BP神经网络 | 第46-50页 |
| 4.4.1 遗传算法原理 | 第46-47页 |
| 4.4.2 遗传算法流程 | 第47页 |
| 4.4.3 遗传算法修正BP网络结果 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 论文的结论 | 第51页 |
| 5.2 课题工作展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第57-58页 |
| 学位论文评闽及答辩情况表 | 第58页 |
