| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题研究背景及其意义 | 第8-9页 |
| ·课题的研究背景 | 第8页 |
| ·风电功率预测研究的意义 | 第8-9页 |
| ·风电产业发展现状 | 第9-10页 |
| ·国外现状 | 第9-10页 |
| ·国内现状 | 第10页 |
| ·国内外风电功率短期预测技术的预测方法及研究现状 | 第10-13页 |
| ·短期预测技术方法及分类 | 第10-12页 |
| ·国内外风电功率短期预测技术的研究现状 | 第12-13页 |
| ·本文的研究内容及章节安排 | 第13-15页 |
| 第二章 风速及风电功率特性分析 | 第15-28页 |
| ·引言 | 第15页 |
| ·风速的基本知识及其特性分析 | 第15-19页 |
| ·风的基本知识 | 第15-18页 |
| ·风的特性分析 | 第18-19页 |
| ·风电功率的基本知识及特性分析 | 第19-24页 |
| ·数据背景及来源 | 第19页 |
| ·风电功率的基本知识 | 第19-21页 |
| ·风电功率与自然因素的关系 | 第21-24页 |
| ·风电功率预测产生误差的原因 | 第24-26页 |
| ·短期风电功率预测的评价指标 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 短期风电功率预测模型 | 第28-55页 |
| ·引言 | 第28-29页 |
| ·基于密度聚类的离群点数据检测 | 第29-32页 |
| ·离群点检测原理 | 第29-31页 |
| ·离群点检测技术的应用和分析 | 第31-32页 |
| ·风速数据的聚类及结果 | 第32-36页 |
| ·聚类分析原理 | 第32-34页 |
| ·本文聚类思路及聚类结果 | 第34-36页 |
| ·基于时间序列分析法的风电功率预测模型 | 第36-47页 |
| ·时间序列分析法的原理 | 第36-39页 |
| ·实例仿真与分析 | 第39-47页 |
| ·基于时间序列法与 BP 神经网络法的组合预测模型 | 第47-54页 |
| ·组合预测模型原理及采用的方法 | 第47-50页 |
| ·实例仿真与分析 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 基于横纵向误差的风电功率短期预测不确定性分析 | 第55-63页 |
| ·引言 | 第55页 |
| ·传统非参数区间估计模型 | 第55-57页 |
| ·非参数区间估计新模型 | 第57-58页 |
| ·对传统的功率误差概率分布进行改进 | 第57页 |
| ·以横向误差、纵向误差为联合条件的概率密度估计 | 第57-58页 |
| ·实例仿真与结果分析 | 第58-62页 |
| ·传统模型 | 第58-59页 |
| ·改进模型 | 第59-61页 |
| ·模型评价 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 风电功率预测系统的设计实现与应用 | 第63-72页 |
| ·引言 | 第63页 |
| ·风电功率预测系统设计要求 | 第63-64页 |
| ·预测系统的设计 | 第64-66页 |
| ·预测系统可实现的功能 | 第64-65页 |
| ·预测系统简介 | 第65-66页 |
| ·系统开发环境 | 第66页 |
| ·预测系统展示 | 第66-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·本文总结 | 第72-73页 |
| ·进一步工作的展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81页 |