风电场短期产能预测研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-15页 |
| ·风电产业发展现状及课题背景 | 第6-9页 |
| ·风电产业发展现状 | 第6-7页 |
| ·课题背景 | 第7-9页 |
| ·风电场短期产能预测发展现状 | 第9-12页 |
| ·国外研究状况 | 第9-11页 |
| ·国内研究状况 | 第11-12页 |
| ·风电场短期产量预报系统的经济及市场意义 | 第12-13页 |
| ·风电场产量预报系统的市场意义 | 第12页 |
| ·风电场产量预报系统的经济意义 | 第12-13页 |
| ·本论文的主要工作 | 第13-15页 |
| 第二章 风电场短期产能预测系统介绍 | 第15-26页 |
| ·风能预测系统的构成 | 第15-16页 |
| ·数值天气预报模块 | 第16-17页 |
| ·中尺度数值预报模式简介 | 第16页 |
| ·MM5 模式 | 第16-17页 |
| ·风电场数据采集 | 第17-21页 |
| ·预测模型的建立 | 第21-22页 |
| ·软件实现 | 第22-23页 |
| ·技术趋势 | 第23-26页 |
| 第三章 预测技术基础 | 第26-34页 |
| ·预测的含义 | 第26页 |
| ·预测的意义 | 第26-27页 |
| ·预测的基本原理 | 第27-29页 |
| ·预测效果分析 | 第29页 |
| ·几种预测方法的介绍 | 第29-34页 |
| ·滑动平均法 | 第30页 |
| ·指数平滑法 | 第30-31页 |
| ·回归分析法 | 第31-32页 |
| ·时间序列预测法 | 第32-34页 |
| 第四章 BP 神经网络算法及其改进 | 第34-43页 |
| ·人工神经网络简述 | 第34-35页 |
| ·BP 人工神经网络与BP 学习算法 | 第35-39页 |
| ·BP 算法的改进 | 第39-41页 |
| ·BP 神经网络的泛化能力 | 第41-43页 |
| 第五章 风速功率预测 | 第43-60页 |
| ·试验风电场风资源特性 | 第43-45页 |
| ·风玫瑰图 | 第43-44页 |
| ·风速、风能频率分布 | 第44-45页 |
| ·基于BP 神经网络的风速预测 | 第45-49页 |
| ·基于 BP 神经网络的时间序列预测 | 第46页 |
| ·归一化数据处理 | 第46-47页 |
| ·输入层、隐层单元数的确定 | 第47-48页 |
| ·预测分析 | 第48-49页 |
| ·ARMA 模型的风速预测 | 第49-55页 |
| ·ARMA 模型概述 | 第49-50页 |
| ·ARMA 模型的识别 | 第50-51页 |
| ·风速预测建模 | 第51-53页 |
| ·误差分析 | 第53-55页 |
| ·数值天气预报（MM5 模型）风速预测情况 | 第55-57页 |
| ·MM5 预测数据分析 | 第55-56页 |
| ·MM5 预测误差分析 | 第56-57页 |
| ·功率预测 | 第57-59页 |
| ·风速功率拟合 | 第57-58页 |
| ·功率预测误差分析 | 第58-59页 |
| ·结论与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士期间所发表的学术论文 | 第63-64页 |
| 致谢 | 第64-65页 |
