摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第12-22页 |
1.1 引言 | 第12页 |
1.2 课题的研究背景及意义 | 第12-15页 |
1.2.1 课题研究背景 | 第12-14页 |
1.2.2 课题研究意义 | 第14-15页 |
1.3 国内外研究现状 | 第15-19页 |
1.3.1 国内外风电功率预测研究现状 | 第15-17页 |
1.3.2 含风电场的电力系统调度和风电场内优化调度研究现状 | 第17-19页 |
1.4 论文主要内容和章节安排 | 第19-22页 |
第二章 风电场风速数据处理 | 第22-40页 |
2.1 引言 | 第22页 |
2.2 输入风速数据的检验 | 第22-23页 |
2.3 基于偏最小二乘回归的输入风速拟合模型 | 第23-28页 |
2.3.1 偏最小二乘回归基本理论 | 第23-24页 |
2.3.2 各风力发电机风速之间的关系模型 | 第24-26页 |
2.3.3 实例仿真与分析 | 第26-28页 |
2.4 基于Symlets小波分解的风速滤波处理 | 第28-39页 |
2.4.1 Symlets小波系 | 第29页 |
2.4.2 阈值函数选取 | 第29-30页 |
2.4.3 阈值的选取 | 第30-32页 |
2.4.4 去噪效果评价标准 | 第32-33页 |
2.4.5 风电场风速数据滤波步骤 | 第33-34页 |
2.4.6 实例仿真与分析 | 第34-39页 |
2.5 本章小结 | 第39-40页 |
第三章 粒式搜索者算法优化支持向量机的风电功率预测模型 | 第40-56页 |
3.1 引言 | 第40页 |
3.2 搜索者算法 | 第40-42页 |
3.3 粒式搜索者算法 | 第42-48页 |
3.3.1 搜索方向确定公式改进 | 第42页 |
3.3.2 搜索步长确定公式改进 | 第42-43页 |
3.3.3 越界位置处理方式改进 | 第43页 |
3.3.4 粒式搜索者算法步骤 | 第43-44页 |
3.3.5 粒式搜索者算法验证与分析 | 第44-48页 |
3.4 粒式搜索者算法在风电功率预测中的应用 | 第48-55页 |
3.4.1 支持向量机原理 | 第48-50页 |
3.4.2 基于PTSOA-SVM的风电功率预测实现步骤 | 第50-51页 |
3.4.3 预测误差评价标准 | 第51-52页 |
3.4.4 实例仿真与结果分析 | 第52-55页 |
3.5 本章小结 | 第55-56页 |
第四章 多交互式蜂群算法及其在风电场内调度中的应用 | 第56-74页 |
4.1 引言 | 第56页 |
4.2 标准人工蜂群算法 | 第56-57页 |
4.3 多交互式人工蜂群算法 | 第57-65页 |
4.3.1 采蜜蜂的随机邻域策略 | 第58-59页 |
4.3.2 采蜜蜂的跨维搜索策略 | 第59页 |
4.3.3 蜂群搜索边界处理 | 第59页 |
4.3.4 MIABC算法的实现步骤 | 第59-60页 |
4.3.5 MIABC算法验证与分析 | 第60-65页 |
4.4 多交互式蜂群算法优化叶轮相对疲劳损伤值的风电机组调度 | 第65-73页 |
4.4.1 目标函数 | 第65-66页 |
4.4.2 约束条件 | 第66-67页 |
4.4.3 机组出力分配策略改进 | 第67-68页 |
4.4.4 DMIABC-MIABC算法模型 | 第68-69页 |
4.4.5 实例仿真与分析 | 第69-73页 |
4.5 本章小结 | 第73-74页 |
第五章 计及风电出力不确定性的风电场内经济优化调度 | 第74-84页 |
5.1 引言 | 第74页 |
5.2 基于场景分析法的风电功率预测误差模型 | 第74-77页 |
5.2.1 风电功率预测误差的概率分布 | 第74-75页 |
5.2.2 风电功率预测误差场景模型 | 第75-77页 |
5.3 风电场内经济调度模型 | 第77-79页 |
5.3.1 目标函数 | 第77-78页 |
5.3.2 约束条件 | 第78-79页 |
5.4 实例仿真与分析 | 第79-82页 |
5.5 本章小结 | 第82-84页 |
第六章 总结与展望 | 第84-86页 |
6.1 本文总结 | 第84-85页 |
6.2 进一步研究展望 | 第85-86页 |
参考文献 | 第86-94页 |
致谢 | 第94-96页 |
攻读硕士学位期间取得的研究成果 | 第96页 |