| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 课题研究背景与意义 | 第12-16页 |
| 1.1.1 负荷建模研究背景与意义 | 第12-14页 |
| 1.1.2 风电发展 | 第14-16页 |
| 1.2 负荷建模发展历程及研究现状 | 第16-22页 |
| 1.2.1 负荷建模发展历程 | 第16-17页 |
| 1.2.2 负荷建模研究现状及存在问题 | 第17-22页 |
| 1.3 电网运行全景可观测下的负荷建模工作 | 第22页 |
| 1.4 本文工作 | 第22-24页 |
| 第二章 引入概率信息的稳态特性广义负荷建模 | 第24-44页 |
| 2.1 引言 | 第24-25页 |
| 2.2 风电不确定性问题研究现状 | 第25页 |
| 2.3 传统静态建模 | 第25-27页 |
| 2.4 节点特性及建模问题的提出 | 第27页 |
| 2.5 建模思路与模型结构 | 第27-33页 |
| 2.5.1 节点特性分段细化 | 第27-28页 |
| 2.5.2 基于统计的概率分布 | 第28-29页 |
| 2.5.3 利用人工神经网络法提取节点特征 | 第29-31页 |
| 2.5.4 分析流程图 | 第31-32页 |
| 2.5.5 模型结构 | 第32-33页 |
| 2.6 仿真实例 | 第33-38页 |
| 2.7 考虑风电不确定性的广义负荷建模在风险分析中的应用 | 第38-42页 |
| 2.8 小结 | 第42-44页 |
| 第三章 AP聚类算法在广义负荷特性聚类中的应用 | 第44-50页 |
| 3.1 广义负荷特性聚类与综合 | 第44-45页 |
| 3.2 AP聚类算法 | 第45-47页 |
| 3.3 AP聚类算法与传统聚类算法仿真对比 | 第47-49页 |
| 3.4 小结 | 第49-50页 |
| 第四章 大时间尺度下的纵向聚类策略研究 | 第50-62页 |
| 4.1 引言 | 第50-51页 |
| 4.2 纵向聚类策略 | 第51-55页 |
| 4.2.1 聚类策略相关概念 | 第51-53页 |
| 4.2.2 纵向聚类 | 第53-55页 |
| 4.3 仿真实例 | 第55-60页 |
| 4.3.1 最小时间间隔T选取 | 第55页 |
| 4.3.2 日内预聚类效果及作用校验 | 第55-57页 |
| 4.3.3 单日间再聚类 | 第57-58页 |
| 4.3.4 纵向时间单元聚类 | 第58-60页 |
| 4.3.5 纵向聚类适用性校验 | 第60页 |
| 4.4 小结 | 第60-62页 |
| 第五章 小时间尺度下的横向聚类策略研究 | 第62-74页 |
| 5.1 引言 | 第62页 |
| 5.2 横向聚类 | 第62-64页 |
| 5.3 特征向量交叉匹配 | 第64-65页 |
| 5.4 聚类策略流程图 | 第65-66页 |
| 5.5 仿真实例 | 第66-72页 |
| 5.5.1 横向聚类结果 | 第66-67页 |
| 5.5.2 广义负荷建模 | 第67-68页 |
| 5.5.3 特征向量交叉匹配与纵横聚类策略验证 | 第68-70页 |
| 5.5.4 样本群可行性检验 | 第70-72页 |
| 5.6 小结 | 第72-74页 |
| 第六章 结论 | 第74-78页 |
| 6.1 本文创新点及主要工作成果 | 第74-75页 |
| 6.2 后期工作展望 | 第75-78页 |
| 参考文献 | 第78-88页 |
| 致谢 | 第88-90页 |
| 攻读硕士学位期间发表的学术论文 | 第90-91页 |
| 附件 | 第91页 |