摘要 | 第1-7页 |
Abstract | 第7-13页 |
Contents | 第13-16页 |
第1章 绪论 | 第16-28页 |
·引言 | 第16-21页 |
·课题研究背景 | 第16-19页 |
·课题研究的目的和意义 | 第19-21页 |
·国内外研究现状 | 第21-25页 |
·风力发电机组疲劳载荷方面的研究 | 第21-22页 |
·风电场功率预测的研究 | 第22-23页 |
·含风电场的电力系统经济调度及风电场内优化调度的研究 | 第23-25页 |
·论文研究内容和技术路线 | 第25-28页 |
·研究内容 | 第25-26页 |
·技术路线 | 第26-28页 |
第2章 风力发电机组疲劳载荷与疲劳损伤研究 | 第28-54页 |
·引言 | 第28页 |
·基于GH-Bladed的疲劳载荷计算 | 第28-37页 |
·风力发电机组载荷及其来源 | 第28-29页 |
·风力发电机组载荷计算坐标 | 第29-32页 |
·风力发电机组疲劳载荷计算工况 | 第32-34页 |
·风力发电机组基本参数以及风模型 | 第34-37页 |
·风力发电机组疲劳载荷与疲劳损伤 | 第37-52页 |
·雨流计算法则与Miner疲劳累积损伤理论 | 第37-39页 |
·等效疲劳载荷以及相对疲劳损伤量 | 第39-52页 |
·本章小结 | 第52-54页 |
第3章 基于相空间重构的风电功率预测研究 | 第54-63页 |
·引言 | 第54-55页 |
·基于相空间重构的风电功率短期预测 | 第55-62页 |
·混沌动力学系统的相空间重构 | 第55-56页 |
·神经网络和Volterra级数 | 第56-58页 |
·风电功率的预测模型 | 第58-59页 |
·算例分析 | 第59-62页 |
·本章小结 | 第62-63页 |
第4章 基于降低集电系统损耗的风电场内机组功率分配模型 | 第63-87页 |
·引言 | 第63页 |
·风电场内功率分配模型 | 第63-86页 |
·风电场集电系统 | 第63-66页 |
·牛顿-拉夫逊法潮流计算 | 第66-71页 |
·粒子群算法和粒子群-遗传算法优化风电场内功率分配研究 | 第71-77页 |
·算例及分析 | 第77-86页 |
·本章小结 | 第86-87页 |
第5章 风电场内机组组合优化研究 | 第87-106页 |
·引言 | 第87页 |
·以机组疲劳损伤量最小为目标的机组组合模型 | 第87-88页 |
·目标函数 | 第87-88页 |
·约束条件 | 第88页 |
·改进二进制粒子群算法优化机组组合研究 | 第88-95页 |
·改进二进制粒子群算法原理概述 | 第88-91页 |
·算例及分析 | 第91-95页 |
·遗传算法优化机组组合研究 | 第95-100页 |
·遗传算法原理概述 | 第95-97页 |
·算例及分析 | 第97-100页 |
·粒子群-遗传算法优化机组组合研究 | 第100-104页 |
·粒子群-遗传算法原理概述 | 第100页 |
·算例及分析 | 第100-104页 |
·本章小结 | 第104-106页 |
第6章 风电场内机组分类运行研究 | 第106-134页 |
·引言 | 第106页 |
·自组织特征映射神经网络 | 第106-113页 |
·自组织特征映射神经网络的概述 | 第106-107页 |
·建模过程 | 第107-109页 |
·算例及分析 | 第109-113页 |
·基于遗传模拟退火算法的模糊聚类算法 | 第113-124页 |
·模糊聚类算法 | 第113-119页 |
·模拟退火算法原理概述 | 第119-122页 |
·基于遗传模拟退火算法的模糊聚类算法原理概述 | 第122-123页 |
·算例及分析 | 第123-124页 |
·基于风力发电机组分类的风电场内功率分配模型 | 第124-132页 |
·遗传算法优化风电场内功率分配研究 | 第124-126页 |
·算例及分析 | 第126-132页 |
·本章小结 | 第132-134页 |
第7章 结论与展望 | 第134-137页 |
·结论 | 第134-136页 |
·展望 | 第136-137页 |
参考文献 | 第137-147页 |
攻读博士学位期间发表的论文及其它成果 | 第147-148页 |
攻读博士学位期间参加的科研工作 | 第148-149页 |
致谢 | 第149-150页 |
作者简介 | 第150页 |