风电场短期功率预测方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-20页 |
| ·课题研究背景 | 第9-11页 |
| ·课题研究的目的及意义 | 第11-13页 |
| ·风电功率预测研究现状 | 第13-17页 |
| ·国外研究现状 | 第13-16页 |
| ·国内研究现状 | 第16-17页 |
| ·课题研究内容及论文结构安排 | 第17-20页 |
| ·课题研究内容 | 第17-18页 |
| ·论文结构安排 | 第18-20页 |
| 第二章 风特性分析及气象数据研究 | 第20-30页 |
| ·风特性分析 | 第20-26页 |
| ·风的成因 | 第20页 |
| ·风速和风向 | 第20-22页 |
| ·风的分布规律及变化特性 | 第22-26页 |
| ·风的测量与预测 | 第26-29页 |
| ·测风塔 | 第26-27页 |
| ·数值天气预报 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 风电功率预测技术 | 第30-46页 |
| ·风电功率预测的分类 | 第30-31页 |
| ·常用预测建模方法 | 第31-37页 |
| ·物理模型建模方法 | 第32页 |
| ·统计模型建模方法 | 第32-37页 |
| ·特征物理量提取 | 第37-38页 |
| ·历史数据的整理及清洗 | 第38-41页 |
| ·归一化处理 | 第41-42页 |
| ·交叉验证 | 第42-43页 |
| ·风电场运行参数及预测误差计算 | 第43-44页 |
| ·小结 | 第44-46页 |
| 第四章 支持向量机在风电功率预测中的应用 | 第46-62页 |
| ·统计学习理论 | 第46-50页 |
| ·机器学习问题 | 第46-48页 |
| ·统计学习理论内容 | 第48-50页 |
| ·最优判别超平面 | 第50-52页 |
| ·支持向量机 | 第52-56页 |
| ·支持向量机原理基础 | 第52页 |
| ·支持向量机的构造 | 第52-53页 |
| ·核函数 | 第53-54页 |
| ·支持向量回归机 | 第54-56页 |
| ·算例分析 | 第56-61页 |
| ·小结 | 第61-62页 |
| 第五章 基于连续时间段聚类的预测方法研究 | 第62-77页 |
| ·聚类基本原理 | 第62-64页 |
| ·常用聚类算法分类 | 第64-66页 |
| ·基于连续时间段聚类原理 | 第66-70页 |
| ·风速相似日的聚类 | 第66-69页 |
| ·风特性相似的连续时间段聚类 | 第69-70页 |
| ·算例分析 | 第70-76页 |
| ·小结 | 第76-77页 |
| 第六章 实际功率预测系统的研发 | 第77-83页 |
| ·系统架构 | 第77-79页 |
| ·功能界面 | 第79-82页 |
| ·小结 | 第82-83页 |
| 总结与展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士学位期间取得的研究成果 | 第89-90页 |
| 致谢 | 第90-91页 |
| 附件 | 第91页 |
