| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 引言 | 第12-20页 |
| · | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究目的和意义 | 第13-14页 |
| ·风电场功率预测的分类 | 第14页 |
| ·按预测时间分类 | 第14页 |
| ·按预测对象分类 | 第14页 |
| ·风电场功率预测的方法与原理 | 第14-15页 |
| ·基于历史数据的风电场功率预测 | 第15页 |
| ·基于数值气象的风电场功率预测 | 第15页 |
| ·风电场功率预测的研究现状 | 第15-17页 |
| ·国外研究现状 | 第15-16页 |
| ·国内研究现状 | 第16-17页 |
| ·研究内容 | 第17-20页 |
| 2 风电场参数统计规律 | 第20-30页 |
| ·引言 | 第20页 |
| ·风速和风向基本知识 | 第20页 |
| ·风电场运行数据的统计 | 第20-23页 |
| ·风速和风向统计 | 第21-22页 |
| ·发电量的统计 | 第22-23页 |
| ·风电场运行数据的预处理 | 第23-25页 |
| ·坏数据的剔除 | 第24页 |
| ·缺失数据的补充 | 第24-25页 |
| ·变量相关度研究 | 第25-27页 |
| ·平均影响值模型(MIV) | 第25页 |
| ·算例分析 | 第25-27页 |
| ·风电场功率预测误差指标 | 第27-28页 |
| ·常用预测误差指标 | 第27-28页 |
| ·小结 | 第28-30页 |
| 3 基于时间序列的风速和功率预测研究 | 第30-44页 |
| ·引言 | 第30页 |
| ·时间序列模型 | 第30-37页 |
| ·时间序列模型简介 | 第30-31页 |
| ·时间序列建模流程 | 第31-37页 |
| ·时间序列分析模型在风速和风电功率预测中的应用研究 | 第37-43页 |
| ·时间序列分析法在Matlab中的实现 | 第37-39页 |
| ·预测结果及分析 | 第39-43页 |
| ·小结 | 第43-44页 |
| 4 基于人工神经网络的风速和功率预测研究 | 第44-64页 |
| ·引言 | 第44页 |
| ·神经网络模型 | 第44-52页 |
| ·人工神经网络模型 | 第44-45页 |
| ·代表性神经网络 | 第45-52页 |
| ·遗传算法优化 | 第52-55页 |
| ·遗传算法原理 | 第52-53页 |
| ·建模流程与实现 | 第53-55页 |
| ·神经网络在风速和风电功率预测中的应用研究 | 第55-61页 |
| ·神经网络在Matlab中的实现 | 第56-58页 |
| ·ARIMA与BP神经网络组合模型 | 第58-59页 |
| ·预测结果及分析 | 第59-61页 |
| ·小结 | 第61-64页 |
| 5 基于支持向量机的风速和功率预测研究 | 第64-74页 |
| ·引言 | 第64页 |
| ·支持向量机基础 | 第64-66页 |
| ·理论基础 | 第64-66页 |
| ·核函数 | 第66页 |
| ·支持向量机的参数选择 | 第66-67页 |
| ·Libsvm工具箱简介 | 第67-68页 |
| ·支持向量机在风速和风电功率预测中的应用研究 | 第68-72页 |
| ·支持向量机在Matlab中的实现流程 | 第68-70页 |
| ·预测结果及分析 | 第70-72页 |
| ·小结 | 第72-74页 |
| 6 基于小波分解的风速和功率预测研究 | 第74-86页 |
| ·引言 | 第74页 |
| ·小波分析基础 | 第74-79页 |
| ·小波函数 | 第74-75页 |
| ·小波变换分类 | 第75-76页 |
| ·多辩分分析 | 第76-77页 |
| ·Mallat算法 | 第77-79页 |
| ·小波分析在风速和风电功率预测中的应用研究 | 第79-84页 |
| ·小波母函数和小波分解层数的选取 | 第79-80页 |
| ·小波分解和ARIMA组合模型 | 第80-82页 |
| ·预测结果及分析 | 第82-84页 |
| ·小结 | 第84-86页 |
| 7 基于卡尔曼滤波的风速/功率预测 | 第86-94页 |
| ·引言 | 第86页 |
| ·卡尔曼滤波基础 | 第86-88页 |
| ·卡尔曼原理简介 | 第86-88页 |
| ·卡尔曼滤波建模流程 | 第88页 |
| ·卡尔曼滤波在风速/风电功率预测中的应用研究 | 第88-93页 |
| ·卡尔曼滤波和ARIMA组合模型 | 第89-91页 |
| ·预测结果及分析 | 第91-93页 |
| ·小结 | 第93-94页 |
| 8 风机功率曲线建模研究 | 第94-100页 |
| ·引言 | 第94页 |
| ·风电场功率曲线建模 | 第94-97页 |
| ·风力发电机的功率曲线 | 第94-95页 |
| ·功率曲线拟合的方法 | 第95-97页 |
| ·风向预测 | 第97-98页 |
| ·小结 | 第98-100页 |
| 9 基于最大信息熵原理的综合预测方法研究 | 第100-112页 |
| ·引言 | 第100页 |
| ·基于最大信息熵原理的风电场组合模型 | 第100-107页 |
| ·最大信息熵原理 | 第100-103页 |
| ·基于最大信息熵原理的风电场组合模型风速预测 | 第103-105页 |
| ·预测结果及分析 | 第105-107页 |
| ·基于功率曲线建模的预测结果和直接预测结果比较 | 第107-108页 |
| ·大型风电场短期功率预测系统的总框架 | 第108-111页 |
| ·小结 | 第111-112页 |
| 10 结论 | 第112-114页 |
| ·论文工作总结 | 第112-113页 |
| ·论文创新点 | 第113页 |
| ·课题研究展望 | 第113-114页 |
| 参考文献 | 第114-118页 |
| 附录A | 第118-128页 |
| 附录B | 第128页 |
| 附录C | 第128-130页 |
| 索引 | 第130-132页 |
| 作者简历 | 第132-136页 |
| 学位论文数据集 | 第136页 |