| 中文摘要 | 第11-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-23页 |
| 1.2.1 国内外风力发电发展现状 | 第15-19页 |
| 1.2.2 国内外风功率预测研究现状 | 第19-21页 |
| 1.2.3 国内外风电并网中的储能系统应用现状 | 第21-23页 |
| 1.3 风力发电并网消纳的关键技术 | 第23页 |
| 1.4 本文主要研究内容及创新之处 | 第23-26页 |
| 第二章 风储联合系统 | 第26-43页 |
| 2.1 风力发电系统 | 第26-35页 |
| 2.1.1 风力发电机组的分类及原理 | 第26-34页 |
| 2.1.2 风力发电机组实际运行分布状况 | 第34-35页 |
| 2.2 储能系统的分类及其并网原理的分析 | 第35-41页 |
| 2.2.1 储能系统的分类 | 第35-37页 |
| 2.2.2 全钒液流电池运行原理分析 | 第37-38页 |
| 2.2.3 双向DC-AC变换器的并网原理 | 第38-41页 |
| 2.3 风储联合系统 | 第41-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第三章 建立大规模风电场的风速-功率模型 | 第43-54页 |
| 3.1 建立大规模风电场的实际运行风速-功率模型 | 第43-44页 |
| 3.2 建立风速-功率模型的优化方法 | 第44-48页 |
| 3.2.1 基于 K-means 聚类算法对风电机组的聚类划分 | 第44-46页 |
| 3.2.2 改进粒子群优化算法 | 第46-47页 |
| 3.2.3 基于改进粒子群优化K-means混合聚类算法建立风速-功率模型 | 第47-48页 |
| 3.3 实例分析 | 第48-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于IPSO优化模糊PSR-KELM模型预测风功率 | 第54-62页 |
| 4.1 神经网络在风速预测中的应用 | 第54-56页 |
| 4.1.1 ELM预测风速原理 | 第54-55页 |
| 4.1.2 KELM预测风速原理 | 第55-56页 |
| 4.2 对预测风速数据的预处理 | 第56-58页 |
| 4.2.1 模糊C均值聚类算法划分预测样本数据 | 第56页 |
| 4.2.2 基于相空间重构技术处理预测风速样本数据 | 第56-57页 |
| 4.2.3 改进移动平均平滑算法 | 第57-58页 |
| 4.3 IPSO优化PSR-KELM预测风速模型参数的实现 | 第58-59页 |
| 4.3.1 选取优化参数 | 第58页 |
| 4.3.2 IPSO优化参数预测模型的建立 | 第58-59页 |
| 4.4 实例分析 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 基于预测控制储能系统平抑风电场并网波动功率 | 第62-76页 |
| 5.1 预测功率数据的修正 | 第62-63页 |
| 5.1.1 奇异值功率标准谱 | 第62页 |
| 5.1.2 优化粒子群算法对修正参数S的寻优 | 第62-63页 |
| 5.2 离散小波变换对预测功率信号的划分 | 第63-64页 |
| 5.3 储能系统的选择 | 第64-67页 |
| 5.3.1 选择储能系统额定功率 | 第64-65页 |
| 5.3.2 选择储能系统额定容量 | 第65-66页 |
| 5.3.3 储能系统初始状态的选择 | 第66-67页 |
| 5.4 风储联合系统优化控制策略 | 第67页 |
| 5.5 实例分析 | 第67-74页 |
| 5.6 本小结章 | 第74-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-86页 |
| 攻读硕士学位期间的学术成果及参与项目 | 第86-87页 |
| 致谢 | 第87-88页 |
| 个人简况及联系方式 | 第88-89页 |
