风电场发电功率短期预测系统开发与研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第15-23页 |
| 1.1 引言 | 第15页 |
| 1.2 问题提出与研究意义 | 第15-16页 |
| 1.3 国内外相关研究进展 | 第16-19页 |
| 1.3.1 国内外风力发电的现状及发展 | 第16-17页 |
| 1.3.2 国内外风电功率预测的现状及发展 | 第17-19页 |
| 1.4 风电功率预测方法 | 第19-21页 |
| 1.4.1 预测方法的分类 | 第19-20页 |
| 1.4.2 物理方法 | 第20页 |
| 1.4.3 统计方法 | 第20-21页 |
| 1.4.4 学习方法 | 第21页 |
| 1.4.5 组合预测方法 | 第21页 |
| 1.5 本文主要研究思路与内容 | 第21-23页 |
| 第2章 影响风电功率的因素分析 | 第23-33页 |
| 2.1 引言 | 第23页 |
| 2.2 风速特性 | 第23-25页 |
| 2.2.1 风电场风速概率分布 | 第23-24页 |
| 2.2.2 实际风电场的风速分布 | 第24-25页 |
| 2.3 风电功率相关因素分析 | 第25-29页 |
| 2.3.1 风能的计算 | 第25-27页 |
| 2.3.2 相关因素分析 | 第27-29页 |
| 2.4 风力机的风速-功率曲线 | 第29-31页 |
| 2.5 小结 | 第31-33页 |
| 第3章 基于改进小波神经网络的风电功率预测方法 | 第33-46页 |
| 3.1 引言 | 第33页 |
| 3.2 人工神经网络的基本原理 | 第33-36页 |
| 3.2.1 神经元的模型 | 第33-34页 |
| 3.2.2 BP神经网络 | 第34-36页 |
| 3.3 小波变换理论 | 第36-39页 |
| 3.3.1 小波变换的发展 | 第36页 |
| 3.3.2 小波变换的原理 | 第36-39页 |
| 3.4 小波神经网络 | 第39-44页 |
| 3.5 小结 | 第44-46页 |
| 第4章 风力发电短期功率预测系统的开发 | 第46-50页 |
| 4.1 引言 | 第46页 |
| 4.2 VB与MATLAB简介 | 第46页 |
| 4.3 风电功率预测软件的设计 | 第46-49页 |
| 4.4 小结 | 第49-50页 |
| 第5章 基于NWP数据的神经网络实例分析 | 第50-59页 |
| 5.1 引言 | 第50页 |
| 5.2 数值天气预报 | 第50页 |
| 5.3 风力发电功率预测的评价指标 | 第50-51页 |
| 5.4 预测模型的建立 | 第51-55页 |
| 5.4.1 输入变量的确定 | 第52-53页 |
| 5.4.2 隐含层节点数的确定 | 第53-54页 |
| 5.4.3 原始数据的处理 | 第54-55页 |
| 5.5 实际预测模型的分析 | 第55-58页 |
| 5.5.1 实际预测模型的建立与仿真 | 第55-57页 |
| 5.5.2 预测效果分析 | 第57-58页 |
| 5.6 小结 | 第58-59页 |
| 第6章 小结与展望 | 第59-61页 |
| 6.1 结论与创新点 | 第59页 |
| 6.2 创新点摘要 | 第59页 |
| 6.3 展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 附录 NWP数据和实测功率数据表(部分) | 第66-71页 |
| 攻读硕士学位期间科研项目及科研成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73-74页 |
