| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第12-68页 |
| 1.1 课题背景和意义 | 第12-23页 |
| 1.1.1 课题研究背景 | 第12-15页 |
| 1.1.2 大规模高比例风电并网带来的问题 | 第15-20页 |
| 1.1.3 风电功率预测的意义 | 第20-22页 |
| 1.1.4 基于时空相关性的风电功率预测的意义 | 第22-23页 |
| 1.2 世界典型风电功率预测系统概述 | 第23-42页 |
| 1.2.1 欧洲 | 第23-33页 |
| 1.2.2 美国 | 第33-36页 |
| 1.2.3 中国 | 第36-42页 |
| 1.3 传统风电功率预测方法研究现状 | 第42-53页 |
| 1.3.1 风电功率预测方法的基本分类体系 | 第42-45页 |
| 1.3.2 风电功率统计与智能预测方法 | 第45-48页 |
| 1.3.3 风电功率物理预测方法 | 第48-49页 |
| 1.3.4 风电功率组合与集合预测方法 | 第49-52页 |
| 1.3.5 风电功率预测不确定性分析和概率预测方法 | 第52-53页 |
| 1.4 基于时空相关性的风电功率预测方法研究现状 | 第53-63页 |
| 1.4.1 风电功率的时空关联特性分析 | 第54-56页 |
| 1.4.2 基于时空相关性的物理预测方法 | 第56-59页 |
| 1.4.3 基于时空相关性的统计预测方法 | 第59-61页 |
| 1.4.4 风电功率的空间平滑与集群升尺度预测 | 第61-63页 |
| 1.5 本文的研究思路和主要工作 | 第63-68页 |
| 1.5.1 本文的研究思路 | 第63-64页 |
| 1.5.2 本文的主要工作 | 第64-68页 |
| 第二章 用于风电功率预测的数据异常特征分析与识别方法 | 第68-104页 |
| 2.1 概述 | 第68页 |
| 2.2 风电场异常运行数据的特征分析 | 第68-80页 |
| 2.2.1 风电场运行数据的基本特征和异常数据的种类 | 第68-71页 |
| 2.2.2 弃风限电的成因与现状 | 第71-74页 |
| 2.2.3 风电场弃风异常数据的特征分析 | 第74-80页 |
| 2.3 基于四分位法和聚类的异常数据组合识别方法 | 第80-88页 |
| 2.3.1 四分位法剔除分散型异常数据的原理 | 第80-81页 |
| 2.3.2 剔除弃风异常数据簇的二次聚类方法 | 第81-84页 |
| 2.3.3 剔除弃风异常数据簇的密度聚类方法 | 第84-87页 |
| 2.3.4 识别和剔除异常数据的流程 | 第87-88页 |
| 2.4 算例分析 | 第88-103页 |
| 2.4.1 识别和剔除异常数据的流程示例 | 第88-95页 |
| 2.4.2 DBSCAN算法的灵敏度分析 | 第95-98页 |
| 2.4.3 结果分析和讨论 | 第98-103页 |
| 2.5 本章小结 | 第103-104页 |
| 第三章 大规模风电功率的时空变化规律分析 | 第104-144页 |
| 3.1 概述 | 第104页 |
| 3.2 风电功率的时间变化规律分析 | 第104-123页 |
| 3.2.1 时域分析 | 第105-115页 |
| 3.2.2 频域分析 | 第115-118页 |
| 3.2.3 时间序列分解 | 第118-123页 |
| 3.3 风电功率的空间变化规律分析 | 第123-135页 |
| 3.3.1 空间持续性与空间自相关性 | 第124-129页 |
| 3.3.2 空间插值方法 | 第129-133页 |
| 3.3.3 空间聚类 | 第133-135页 |
| 3.4 风电功率的时-空变化规律分析 | 第135-142页 |
| 3.4.1 风电功率的时空持续性 | 第135-137页 |
| 3.4.2 风电功率的时空相关性 | 第137-139页 |
| 3.4.3 风电功率的时空马尔科夫链 | 第139-142页 |
| 3.5 本章小结 | 第142-144页 |
| 第四章 基于双向时间相关性的风电场功率预测方法 | 第144-176页 |
| 4.1 概述 | 第144页 |
| 4.2 风电功率时间序列的正向和反向时间相关性理论分析 | 第144-154页 |
| 4.2.1 时间序列的基本概念和特征 | 第144-148页 |
| 4.2.2 典型风电功率时间序列预测模型 | 第148-152页 |
| 4.2.3 时间序列的反向时间相关性理论分析 | 第152-154页 |
| 4.3 风电功率双向预测机制和模型 | 第154-161页 |
| 4.3.1 用于正向预测的极限学习机模型 | 第154-157页 |
| 4.3.2 风电功率的反向预测原理 | 第157-159页 |
| 4.3.3 用于反向预测过程的优化算法 | 第159-160页 |
| 4.3.4 风电功率的双向预测机制 | 第160-161页 |
| 4.4 算例分析 | 第161-175页 |
| 4.4.1 误差综合评价指标 | 第161-163页 |
| 4.4.2 正向和反向时间序列的统计特性验证分析 | 第163-166页 |
| 4.4.3 预测模型的参数优化 | 第166-168页 |
| 4.4.4 结果分析与讨论 | 第168-175页 |
| 4.5 本章小结 | 第175-176页 |
| 第五章 基于时空相关性的集群风电场功率稀疏性预测方法 | 第176-218页 |
| 5.1 概述 | 第176-177页 |
| 5.2 空间相关性的多元统计表征和稀疏化建模理论 | 第177-189页 |
| 5.2.1 空间相关性的多元统计表证 | 第177-183页 |
| 5.2.2 多元时间序列模型的稀疏化原理 | 第183-187页 |
| 5.2.3 稀疏化模型的求解算法 | 第187-189页 |
| 5.3 相关性约束和稀疏控制的风电功率时空预测方法 | 第189-198页 |
| 5.3.1 时空相关性的稀疏结构与稀疏控制 | 第189-191页 |
| 5.3.2 基于稀疏控制的风电功率时空预测方法 | 第191-194页 |
| 5.3.3 基于相关性约束和稀疏控制的风电功率时空预测方法 | 第194-197页 |
| 5.3.4 稀疏控制模型的分解求解 | 第197-198页 |
| 5.4 算例分析 | 第198-215页 |
| 5.4.1 参照模型 | 第198-199页 |
| 5.4.2 评价指标和试验数据 | 第199-202页 |
| 5.4.3 模型参数分析与优化 | 第202-207页 |
| 5.4.4 结果分析与讨论 | 第207-215页 |
| 5.5 本章小结 | 第215-218页 |
| 第六章 基于时空相关性的集群风电场功率在线稀疏性预测方法 | 第218-244页 |
| 6.1 概述 | 第218页 |
| 6.2 在线学习与优化理论 | 第218-226页 |
| 6.2.1 在线学习与批量学习的差异 | 第218-220页 |
| 6.2.2 在线学习与优化算法的基本原理 | 第220-224页 |
| 6.2.3 向量自回归模型的在线求解方法 | 第224-226页 |
| 6.3 采用稀疏递归估计的风电功率在线时空预测 | 第226-231页 |
| 6.3.1 大规模风电功率在线预测模型的构建 | 第226-228页 |
| 6.3.2 在线预测模型的稀疏递归估计算法 | 第228-231页 |
| 6.4 算例分析 | 第231-243页 |
| 6.4.1 数据与对比模型 | 第231-233页 |
| 6.4.2 模型的参数分析与优化 | 第233-235页 |
| 6.4.3 结果分析 | 第235-243页 |
| 6.5 本章小结 | 第243-244页 |
| 第七章 基于空间相关性的集群风电功率升尺度预测方法 | 第244-278页 |
| 7.1 概述 | 第244-245页 |
| 7.2 风电集群功率升尺度预测的基本概念和基本理论 | 第245-250页 |
| 7.2.1 风电集群功率升尺度预测的基本概念 | 第245-246页 |
| 7.2.2 风电集群功率升尺度预测的基本理论 | 第246-250页 |
| 7.3 风电集群的空间相关性和平滑效应分析 | 第250-263页 |
| 7.3.1 风电场相关性与风电场分布的关系 | 第251-254页 |
| 7.3.2 集群空间平滑效应与风电场分布的关系 | 第254-259页 |
| 7.3.3 集群空间平滑效应与空间相关性的关系 | 第259-263页 |
| 7.4 集群风电功率预测的NWP特征集选取策略 | 第263-267页 |
| 7.4.1 用于集群风电功率预测的互信息计算方法 | 第263-265页 |
| 7.4.2 基于mRMR的最优NWP特征集选取策略 | 第265-266页 |
| 7.4.3 基于平均距离最大和相关系数排序的特征选取策略 | 第266-267页 |
| 7.5 算例分析 | 第267-276页 |
| 7.5.1 数据和误差指标 | 第267-268页 |
| 7.5.2 最优NWP特征集的选取过程 | 第268-272页 |
| 7.5.3 最优NWP特征集的有效性验证 | 第272-276页 |
| 7.6 本章小结 | 第276-278页 |
| 第八章 结论与展望 | 第278-282页 |
| 8.1 结论 | 第278-280页 |
| 8.2 创新点 | 第280-281页 |
| 8.3 展望 | 第281-282页 |
| 参考文献 | 第282-302页 |
| 致谢 | 第302-304页 |
| 作者简介 | 第304-308页 |
