| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.1.1 风力发电发展状况及我国能源分布状况 | 第10-11页 |
| 1.1.2 风电给电力系统优化调度带来的问题 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 风电功率预测的研究现状 | 第12-14页 |
| 1.2.2 大规模风电并网的优化调度的研究现状 | 第14-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 第2章 风电功率的确定性预测与区间预测 | 第17-31页 |
| 2.1 基于PSO-BP神经网络的风电功率预测 | 第17-24页 |
| 2.1.1 BP神经网络 | 第17-20页 |
| 2.1.2 粒子群优化算法原理及数学描述 | 第20-21页 |
| 2.1.3 粒子群优化算法与BP神经网络混合算法 | 第21-23页 |
| 2.1.4 算例分析 | 第23-24页 |
| 2.2 基于非参数估计的风电功率区间预测 | 第24-30页 |
| 2.2.1 非参数密度估计原理及特点 | 第24页 |
| 2.2.2 非参数密度估计具体方法 | 第24-25页 |
| 2.2.3 核密度估计方法 | 第25-26页 |
| 2.2.4 基于核密度估计的风电功率区间预测 | 第26-28页 |
| 2.2.5 算例分析 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 风电不确定性的场景建模方法 | 第31-42页 |
| 3.1 风电场景序列的生成 | 第31页 |
| 3.2 风电功率时间序列场景二维优化 | 第31-37页 |
| 3.2.1 基于均值聚类方法的日变化维度场景优化 | 第32-35页 |
| 3.2.2 基于禁忌搜索方法的小时变化维度场景优化 | 第35-37页 |
| 3.3 算例分析 | 第37-41页 |
| 3.3.1 日变化维度场景优化结果验证 | 第37-39页 |
| 3.3.2 小时变化维度场景优化结果验证 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于多种风电信息的能源基地直流送出系统机组组合模型 | 第42-50页 |
| 4.1 基于多种风电信息的能源基地直流送出系统机组组合模型的建立 | 第42-45页 |
| 4.1.1 目标函数 | 第42-44页 |
| 4.1.2 约束条件 | 第44-45页 |
| 4.2 模型验证 | 第45-49页 |
| 4.2.1 算例设计 | 第46-47页 |
| 4.2.2 结果及分析 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 5.1 本文主要结论 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表论文及其他成果 | 第56-57页 |
| 致谢 | 第57页 |
