基于BP神经网络与WRF模式的风电功率预测系统设计与应用
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景与意义 | 第10-11页 |
1.2 研究现状及进展 | 第11-13页 |
1.3 本文主要研究内容 | 第13-14页 |
1.4 本文组织结构 | 第14-16页 |
第二章 关键技术分析 | 第16-30页 |
2.1 中尺度WRF模式 | 第16-22页 |
2.1.1 WRF模式结构 | 第16-17页 |
2.1.2 WRF模式原理 | 第17-19页 |
2.1.3 WRF模式特点 | 第19-20页 |
2.1.4 WRF模式业务流程 | 第20-22页 |
2.2 气象数据同化 | 第22-24页 |
2.2.1 数据同比本质与原理 | 第22页 |
2.2.2 数据同化资料的多样性 | 第22-23页 |
2.2.3 数据同化的步骤和流程 | 第23-24页 |
2.3 BP神经网络 | 第24-28页 |
2.3.1 人工神经网络 | 第24-25页 |
2.3.2 BP神经网络结构 | 第25-26页 |
2.3.3 BP神经网络特点 | 第26-27页 |
2.3.4 BP神经网络构建 | 第27-28页 |
2.4 本章小结 | 第28-30页 |
第三章 风电功率预测系统需求分析及总体设计 | 第30-44页 |
3.1 项目需求与业务目标 | 第30-32页 |
3.1.1 项目需求 | 第30-31页 |
3.1.2 业务指标 | 第31-32页 |
3.2 预报模型与技术路线 | 第32-34页 |
3.2.1 短期预报模型 | 第33-34页 |
3.2.2 超短期预报模型 | 第34页 |
3.3 逻辑架构 | 第34-36页 |
3.4 物理架构 | 第36-38页 |
3.5 系统功能 | 第38-39页 |
3.5.1 系统目标 | 第38-39页 |
3.5.2 系统功能结构 | 第39页 |
3.6 数据库设计 | 第39-42页 |
3.6.1 实体概念 | 第39-40页 |
3.6.2 逻辑结构 | 第40-42页 |
3.7 本章小结 | 第42-44页 |
第四章 系统详细设计与实现 | 第44-68页 |
4.1 数据来源与获取 | 第44-47页 |
4.1.1 获取GFS数据 | 第44-45页 |
4.1.2 风电历史数据 | 第45-46页 |
4.1.3 气象观测数据 | 第46页 |
4.1.4 数据质量控制 | 第46-47页 |
4.2 短期预报模型实现 | 第47-62页 |
4.2.1 模型实现流程图 | 第47-50页 |
4.2.2 区域方案配置 | 第50-52页 |
4.2.3 物理方案配置 | 第52-56页 |
4.2.4 数据同化处理 | 第56-58页 |
4.2.5 NCL脚本解析 | 第58-59页 |
4.2.6 风速订正处理 | 第59-60页 |
4.2.7 功率预测曲线 | 第60-62页 |
4.3 超短期预报模型实现 | 第62-67页 |
4.3.1 模型实现流程图 | 第62-64页 |
4.3.2 数据建模分析 | 第64-65页 |
4.3.3 BP构建模型 | 第65-66页 |
4.3.4 BP模型训练 | 第66-67页 |
4.3.5 BP模型验证 | 第67页 |
4.4 本章小结 | 第67-68页 |
第五章 系统应用及效果分析 | 第68-76页 |
5.1 环境搭建 | 第68-70页 |
5.1.1 附件安装 | 第68页 |
5.1.2 WPS安装 | 第68-69页 |
5.1.3 WRF安装 | 第69-70页 |
5.2 业务预报 | 第70-74页 |
5.2.1 风电预报流程 | 第70-71页 |
5.2.2 自动获取数据 | 第71-72页 |
5.2.3 系统任务调度 | 第72页 |
5.2.4 短期风电功率预报 | 第72-73页 |
5.2.5 超短期风电功率预报 | 第73-74页 |
5.3 跟踪效果 | 第74-75页 |
5.4 本章小结 | 第75-76页 |
第六章 结论与展望 | 第76-78页 |
6.1 结论 | 第76页 |
6.2 展望 | 第76-78页 |
参考文献 | 第78-80页 |
致谢 | 第80-82页 |
个人简历、在学期间发表的论文与研究成果 | 第82页 |