| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 风力发电发展情况 | 第11-12页 |
| 1.1.2 风电功率预测研究的目的及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 风电功率预测方法 | 第13-14页 |
| 1.2.2 国内外风电功率预测研究现状 | 第14-16页 |
| 1.2.3 国内外风电功率预测系统 | 第16-17页 |
| 1.3 本文研究内容 | 第17-19页 |
| 第2章 风电功率波动特性分析 | 第19-27页 |
| 2.1 风电功率的多采样间隔 | 第19页 |
| 2.2 损失信息量评价指标 | 第19-21页 |
| 2.2.1 波动标准差FV | 第19-20页 |
| 2.2.2 信息熵 | 第20-21页 |
| 2.3 多步滚动预测模式 | 第21-22页 |
| 2.4 算例分析 | 第22-26页 |
| 2.4.1 波动标准差FV | 第22-24页 |
| 2.4.2 信息熵 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于自适应神经模糊推理系统的风电功率预测方法 | 第27-33页 |
| 3.1 ANFIS预测模型 | 第27-29页 |
| 3.1.1 ANFIS模型的建立 | 第27-28页 |
| 3.1.2 ANFIS的减法聚类算法 | 第28-29页 |
| 3.2 预测精度评价指标 | 第29页 |
| 3.3 算例分析 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于相空间重构的风电功率可预测性分析及其对预测误差影响 | 第33-46页 |
| 4.1 风电功率时间序列的可预测性分析 | 第33-34页 |
| 4.2 基于动力学分析的相轨迹重构 | 第34-35页 |
| 4.2.1 时间序列的混沌特性判别 | 第34页 |
| 4.2.2 相空间重构 | 第34-35页 |
| 4.2.3 嵌入维数m和延迟时间t的确定 | 第35页 |
| 4.3 递归图及其定量刻画指标 | 第35-38页 |
| 4.3.1 递归图的构造 | 第35-37页 |
| 4.3.2 递归率 | 第37-38页 |
| 4.3.3 递归图和递归率适合于风电功率波动特性分析的特点及机理 | 第38页 |
| 4.4 算例分析 | 第38-45页 |
| 4.4.1 混沌特性分析 | 第39页 |
| 4.4.2 嵌入维数m和延迟时间t的确定 | 第39-40页 |
| 4.4.3 定性分析—递归图 | 第40-41页 |
| 4.4.4 定量分析—递归率 | 第41-42页 |
| 4.4.5 指标验证 | 第42-43页 |
| 4.4.6 指标应用 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表的学术论文 | 第52-54页 |
| 致谢 | 第54页 |
