| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 风电出力研究现状 | 第14-15页 |
| 1.2.1 波动性分析 | 第14页 |
| 1.2.2 风速功率曲线建模 | 第14-15页 |
| 1.3 风电预测研究 | 第15-19页 |
| 1.3.1 风电预测定义 | 第15页 |
| 1.3.2 风电预测分类 | 第15-17页 |
| 1.3.3 风电预测方法 | 第17页 |
| 1.3.4 风电预测研究现状 | 第17-19页 |
| 1.4 惯性控制及研究现状 | 第19-20页 |
| 1.5 本课题的主要工作 | 第20-22页 |
| 第2章 风电出力特性研究 | 第22-37页 |
| 2.1 风电场出力特性 | 第22-28页 |
| 2.1.1 出力分布 | 第22-24页 |
| 2.1.2 波动特性 | 第24-28页 |
| 2.2 风电机组出力特性 | 第28-30页 |
| 2.2.1 风电机组间出力的相关性 | 第28-30页 |
| 2.2.2 风电机组间出力的互补性 | 第30页 |
| 2.3 风速功率曲线建模 | 第30-35页 |
| 2.3.1 同一风速下功率的宽范围分布现象分析 | 第30-31页 |
| 2.3.2 基于最优平滑阶数的风速功率曲线建模 | 第31-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 超短期风电预测研究 | 第37-55页 |
| 3.1 基于BP神经网络的风电功率数据补齐方法 | 第37-42页 |
| 3.1.1 BP神经网络机理 | 第38-39页 |
| 3.1.2 算例分析 | 第39-42页 |
| 3.2 多种风电预测算法的基本原理 | 第42-47页 |
| 3.2.1 时间序列法 | 第42-44页 |
| 3.2.2 智能算法 | 第44-45页 |
| 3.2.3 基于自适应神经模糊推理系统的组合预测法 | 第45-47页 |
| 3.3 算例分析 | 第47-53页 |
| 3.3.1 多种风电预测算法的预测结果对比分析 | 第47-51页 |
| 3.3.2 超短期风电预测组合法 | 第51-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第4章 基于超短期风速预测的惯性控制研究 | 第55-72页 |
| 4.1 模型及控制原理 | 第55-58页 |
| 4.1.1 惯性控制的基本原理 | 第55-56页 |
| 4.1.2 双馈风电机组模型 | 第56-58页 |
| 4.2 基于超短期风速预测的惯性控制策略 | 第58-61页 |
| 4.3 算例分析 | 第61-71页 |
| 4.3.1 仿真系统模型介绍 | 第61-64页 |
| 4.3.2 超短期风速预测结果分析 | 第64-65页 |
| 4.3.3 负荷跃升扰动 | 第65-67页 |
| 4.3.4 切机扰动 | 第67-71页 |
| 4.4 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第80页 |