考虑风电并网的超短期负荷预测
| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·国内外风电发展概况 | 第7-8页 |
| ·课题的背景及意义 | 第8-10页 |
| ·国内外研究动态 | 第10-13页 |
| ·本文所做工作 | 第13-14页 |
| 第二章 风电与电力系统负荷分析 | 第14-25页 |
| ·风电相关特性概述 | 第14-20页 |
| ·风能指标 | 第14-15页 |
| ·风速模型 | 第15-16页 |
| ·风能分布模型 | 第16-18页 |
| ·风电机组的输出功率特性 | 第18-20页 |
| ·风电场的等效模型 | 第20页 |
| ·电力系统负荷预测分析 | 第20-23页 |
| ·负荷特点分析 | 第20-22页 |
| ·超短期负荷预测的基本原理 | 第22-23页 |
| ·含风电场地区的负荷特点分析 | 第23-25页 |
| 第三章 基于小波分解的非平稳时间序列的预测方法 | 第25-34页 |
| ·小波分析基础 | 第25-26页 |
| ·小波函数 | 第25页 |
| ·小波变换分类 | 第25-26页 |
| ·多分辨分析 | 第26-27页 |
| ·小波变换的MALLAT 算法 | 第27-29页 |
| ·AR、MA 及ARMA 模型 | 第29-31页 |
| ·非平稳时间序列的预测方法 | 第31-34页 |
| ·小波母函数和小波分解层数的选取 | 第31-32页 |
| ·基于小波分解和ARMA 模型的预测方法 | 第32-34页 |
| 第四章 最小二乘支持向量机知识 | 第34-43页 |
| ·支持向量机理论基础 | 第34-39页 |
| ·机器学习问题 | 第34-36页 |
| ·统计学习理论内容 | 第36-37页 |
| ·最优化理论 | 第37-39页 |
| ·支持向量机 | 第39-40页 |
| ·线性支持向量机 | 第39页 |
| ·非线性支持向量机 | 第39-40页 |
| ·核函数 | 第40页 |
| ·最小二乘支持向量机 | 第40-43页 |
| ·最小二乘支持向量机原理 | 第40-41页 |
| ·参数优化-三步搜索法 | 第41-43页 |
| 第五章 考虑风电并网的超短期负荷预测 | 第43-55页 |
| ·风电场风速及输出功率预测 | 第43-49页 |
| ·风电场风速预测 | 第43-47页 |
| ·风电场输出功率预测 | 第47-49页 |
| ·超短期电力负荷预测 | 第49-51页 |
| ·预测样本的选取 | 第49-50页 |
| ·基于LS-SVM 的超短期电力负荷预测 | 第50-51页 |
| ·“等效负荷”预测 | 第51-55页 |
| 第六章 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的学术论文和参加科研情况 | 第60页 |
