| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 引言 | 第12-17页 |
| 1.1.1 课题研究背景 | 第12-14页 |
| 1.1.2 大型风电场运行特点 | 第14-15页 |
| 1.1.3 大型风电场并网问题 | 第15-16页 |
| 1.1.4 风电场功率预测意义 | 第16-17页 |
| 1.2 风电功率预测方法分类 | 第17-19页 |
| 1.2.1 按照预测时间尺度划分 | 第17-18页 |
| 1.2.2 按照预测物理量划分 | 第18页 |
| 1.2.3 按照模型机理划分 | 第18-19页 |
| 1.2.4 按照对象范围划分 | 第19页 |
| 1.3 国内外风电功率预测研究现状 | 第19-21页 |
| 1.3.1 国外研究现状 | 第19-21页 |
| 1.3.2 国内研究现状 | 第21页 |
| 1.4 论文主要研究内容和章节安排 | 第21-24页 |
| 第二章 大型风电场参数特性分析及规律统计 | 第24-34页 |
| 2.1 引言 | 第24页 |
| 2.2 风电场概况 | 第24-25页 |
| 2.3 风速风向特性及规律统计 | 第25-29页 |
| 2.3.1 风速风向基本特性 | 第25-27页 |
| 2.3.2 风速数据规律统计 | 第27-28页 |
| 2.3.3 风向数据规律统计 | 第28-29页 |
| 2.4 风场发电功率统计 | 第29-32页 |
| 2.5 风电功率预测常用评价指标 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 大型风电场数据处理 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 数据检测与修补 | 第34-36页 |
| 3.2.1 坏数据剔除 | 第34-35页 |
| 3.2.2 缺漏数据填补 | 第35-36页 |
| 3.3 数据的滤波处理 | 第36-41页 |
| 3.3.1 粒子滤波理论 | 第37-40页 |
| 3.3.2 粒子滤波数据处理实现步骤 | 第40-41页 |
| 3.4 实验仿真与分析 | 第41-43页 |
| 3.4.1 风速数据来源 | 第41-42页 |
| 3.4.2 滤波结果与分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 改进鱼群优化支持向量机的风电功率预测模型 | 第44-62页 |
| 4.1 引言 | 第44-45页 |
| 4.2 支持向量机理论 | 第45-48页 |
| 4.2.1 机器学习原理 | 第45-46页 |
| 4.2.2 支持向量机预测理论 | 第46-47页 |
| 4.2.3 支持向量机参数选择 | 第47-48页 |
| 4.3 人工鱼群优化算法 | 第48-56页 |
| 4.3.1 基本人工鱼群算法 | 第48-51页 |
| 4.3.2 人工鱼群算法的改进 | 第51-53页 |
| 4.3.3 算法函数测试与分析 | 第53-56页 |
| 4.4 改进鱼群优化支持向量基的风电功率预测模型 | 第56-61页 |
| 4.4.1 基于改进鱼群优化支持向量基的风电功率预测模型结构 | 第56-58页 |
| 4.4.2 实例仿真与结果分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 大型风电场功率预测及工程应用 | 第62-75页 |
| 5.1 引言 | 第62页 |
| 5.2 大型风电场功率预测传统策略 | 第62-63页 |
| 5.3 基于SCCF分组的大型风电场功率预测策略 | 第63-65页 |
| 5.3.1 风电场风速分布特征 | 第63页 |
| 5.3.2 采样互相关函数 | 第63-64页 |
| 5.3.3 基于SCCF分组的大型风电场功率预测模型 | 第64-65页 |
| 5.4 大型风场功率预测实例分析 | 第65-69页 |
| 5.4.1 内蒙古陆地风场实例分析 | 第65-67页 |
| 5.4.2 近海风电场实例分析 | 第67-69页 |
| 5.5 功率预测系统软件开发 | 第69-74页 |
| 5.5.1 风电功率预测系统构架 | 第69-71页 |
| 5.5.2 功能实现界面 | 第71-74页 |
| 5.6 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 本文主要研究工作 | 第75-76页 |
| 6.2 进一步研究展望 | 第76-77页 |
| 参考 文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83页 |