| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景及意义 | 第9-12页 |
| 1.1.1 风力发电发展现状 | 第9-11页 |
| 1.1.2 风电功率预测问题 | 第11页 |
| 1.1.3 风电并网带来的调度问题 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 风电功率预测研究概述 | 第12-14页 |
| 1.2.2 含风电场的电力系统经济优化调度研究概述 | 第14-16页 |
| 1.3 本文研究的主要内容 | 第16-17页 |
| 第二章 风电功率预测的理论基础 | 第17-26页 |
| 2.1 风能资源的特性 | 第17-18页 |
| 2.1.1 风速的模型 | 第17页 |
| 2.1.2 风速的变动特性 | 第17-18页 |
| 2.2 风电功率预测的方法 | 第18-23页 |
| 2.2.1 物理方法 | 第18-19页 |
| 2.2.2 统计方法 | 第19-20页 |
| 2.2.3 组合预测方法 | 第20-23页 |
| 2.3 风电功率预测的具体步骤 | 第23-24页 |
| 2.4 风电功率预测的评价指标 | 第24-25页 |
| 2.5 本章小节 | 第25-26页 |
| 第三章 短期风电功率预测的应用研究 | 第26-50页 |
| 3.1 时间序列法 | 第26-30页 |
| 3.1.1 时间序列方法概述 | 第26-27页 |
| 3.1.2 ARMA模型 | 第27-28页 |
| 3.1.3 ARMA法预测模型的建立 | 第28-29页 |
| 3.1.4 ARMA预测风速与风电功率 | 第29-30页 |
| 3.2 神经网络法 | 第30-35页 |
| 3.2.1 神经网络法概述 | 第30-32页 |
| 3.2.2 BP神经网络法 | 第32-34页 |
| 3.2.3 RBF神经网络法 | 第34-35页 |
| 3.3 基于多参数的风电功率预测 | 第35-39页 |
| 3.3.1 风速 | 第35-36页 |
| 3.3.2 历史风电功率 | 第36页 |
| 3.3.3 风向 | 第36-37页 |
| 3.3.4 温度 | 第37页 |
| 3.3.5 气压 | 第37页 |
| 3.3.6 数据预处理 | 第37-38页 |
| 3.3.7 仿真分析 | 第38-39页 |
| 3.4 风电功率组合预测法仿真分析 | 第39-41页 |
| 3.5 基于改进的万有引力搜索算法优化的GRNN组合预测模型 | 第41-49页 |
| 3.5.1 GRNN神经网络 | 第41-43页 |
| 3.5.2 万有引力搜索算法 | 第43-44页 |
| 3.5.3 基于IGSA算法优化的GRNN的组合预测模型 | 第44-46页 |
| 3.5.4 算例分析 | 第46-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 含风电的电力系统经济优化调度模型研究 | 第50-58页 |
| 4.1 风电并网对电力系统经济优化调度的影响 | 第50-51页 |
| 4.1.1 风电并网可以降低电力系统的发电成本 | 第50-51页 |
| 4.1.2 风电并网对电力系统备用的影响 | 第51页 |
| 4.1.3 风电并网对电力系统的调峰能力的影响 | 第51页 |
| 4.2 电力系统的经济优化调度数学模型 | 第51-54页 |
| 4.3 考虑风电功率预测误差的电力系统优化调度建模 | 第54-56页 |
| 4.3.1 目标函数 | 第54-56页 |
| 4.3.2 约束函数 | 第56页 |
| 4.4 本章小节 | 第56-58页 |
| 第五章 考虑风电功率预测误差的电力系统优化调度模型求解 | 第58-65页 |
| 5.1 改进的狼群算法 | 第58-60页 |
| 5.1.1 狼群算法 | 第58页 |
| 5.1.2 改进的狼群算法 | 第58-60页 |
| 5.2 算例分析 | 第60-64页 |
| 5.2.1 系统参数 | 第60-61页 |
| 5.2.2 仿真结果分析 | 第61-64页 |
| 5.3 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
