首页--工业技术论文--电工技术论文--发电、发电厂论文--各种发电论文--风能发电论文

基于风电功率预测的风电场内机组优化调度

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

论文共96页,点击 下载论文
上一篇:基于规则控制的电动汽车HESS能量管理策略优化
下一篇:基于信息融合的风电机组齿轮箱故障诊断技术