| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景及研究意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14-17页 |
| 1.3.1 风电功率测量采取的方法 | 第14-16页 |
| 1.3.2 论文结构及内容 | 第16-17页 |
| 第二章 风电功率相关性分析 | 第17-22页 |
| 2.1 风电数据及功率预测分类 | 第17页 |
| 2.2 风电功率数据分析方法 | 第17-21页 |
| 2.2.1 主成分分析 | 第17-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于时间序列分析法的风电功率超短期预测研究 | 第22-34页 |
| 3.1 时间序列分类 | 第22-23页 |
| 3.2 指数平滑法 | 第23-25页 |
| 3.2.1 单指数平滑模型 | 第24页 |
| 3.2.2 双指数平滑模型 | 第24页 |
| 3.2.3 指数平滑Holter-Winter加法模型 | 第24-25页 |
| 3.3 非平稳时间序列模型 | 第25页 |
| 3.4 平稳时间序列模型 | 第25-27页 |
| 3.4.1 自回归模型 | 第25-26页 |
| 3.4.2 移动平均模型 | 第26页 |
| 3.4.3 自回归移动平均模型 | 第26-27页 |
| 3.5 算例分析 | 第27-33页 |
| 3.5.1 基于指数平滑加法Holter-Winter模型的风电功率预测研究 | 第27-28页 |
| 3.5.2 基于ARIMA模型的风电功率预测研究 | 第28-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于不同小波函数与ARMA模型的风电功率超短期预测研究 | 第34-60页 |
| 4.1 小波函数理论 | 第34-37页 |
| 4.1.1 多尺度分析 | 第34-36页 |
| 4.1.2 连续小波变换 | 第36页 |
| 4.1.3 离散小波变换 | 第36-37页 |
| 4.1.4 Mallat算法 | 第37页 |
| 4.2 算例分析 | 第37-59页 |
| 4.2.1 Haar小波函数与ARMA模型组合 | 第38-43页 |
| 4.2.2 Daubechies小波函数与ARMA模型组合 | 第43-49页 |
| 4.2.3 Coiflet小波函数与ARMA模型组合 | 第49-54页 |
| 4.2.4 Symlets小波函数与ARMA模型组合 | 第54-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 5.1 结论 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
