| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 风电对机组组合问题的影响 | 第13-15页 |
| 1.2.1 电力系统机组组合问题 | 第13-15页 |
| 1.2.2 含风电场的机组组合技术关键 | 第15页 |
| 1.3 国内外研究现状 | 第15-20页 |
| 1.3.1 电力系统机组组合研究 | 第15-19页 |
| 1.3.2 含分布式风力发电的机组组合 | 第19-20页 |
| 1.4 论文的主要工作 | 第20-22页 |
| 第2章 基于NWP数据的风功率预测 | 第22-40页 |
| 2.1 预测风功率的神经网络算法 | 第22-27页 |
| 2.1.1 BP神经网络 | 第22-24页 |
| 2.1.2 广义回归神经网络 | 第24-26页 |
| 2.1.3 GRNN和BP网络相对比 | 第26-27页 |
| 2.2 基于BP神经网络的风功率预测建模 | 第27-31页 |
| 2.2.1 BP神经网络权值调整方法 | 第27-28页 |
| 2.2.2 BP神经网络参数选择 | 第28-30页 |
| 2.2.3 基于BP网络的风电功率短期预测模型 | 第30-31页 |
| 2.3 基于GRNN的风功率预测建模 | 第31-34页 |
| 2.3.1 广义回归神经网络基本框架 | 第31-32页 |
| 2.3.2 平滑参数的选取 | 第32-33页 |
| 2.3.3 GRNN模型的建立 | 第33-34页 |
| 2.4 基于修正NWP数据的GRNN的风功率预测 | 第34-37页 |
| 2.4.1 NWP信息与风电功率的关系 | 第34-35页 |
| 2.4.2 误差评定指标 | 第35页 |
| 2.4.3 基于GRNN的修正NWP风速 | 第35-36页 |
| 2.4.4 基于修正NWP风速的风功率预测模型 | 第36-37页 |
| 2.5 实例分析 | 第37-40页 |
| 第3章 求解机组组合问题的改进型Hopfield神经网络 | 第40-54页 |
| 3.1 Hopfield神经网络 | 第40页 |
| 3.2 Hopfield神经网络算法 | 第40-43页 |
| 3.2.1 离散型Hopfield神经网络 | 第41-42页 |
| 3.2.2 连续型Hopfield神经网络 | 第42-43页 |
| 3.3 改进Hopfield神经网络的基本步骤 | 第43-44页 |
| 3.4 改进型Hopfield神经网络ALHN | 第44-46页 |
| 3.4.1 改进Hopfield网络的数学模型 | 第44页 |
| 3.4.2 ALHN算法实现 | 第44-46页 |
| 3.5 改进型Hopfield神经网络ALAHN | 第46-54页 |
| 3.5.1 改进Hopfield网络的数学模型 | 第46-47页 |
| 3.5.2 ALAHN算法实现 | 第47-48页 |
| 3.5.3 参数的选取 | 第48-49页 |
| 3.5.4 初始值的确定 | 第49-50页 |
| 3.5.5 收敛性的证明 | 第50-51页 |
| 3.5.6 求解机组组合问题的改进型算法结构图 | 第51-54页 |
| 第4章 含风电场的电力系统多级机组组合 | 第54-72页 |
| 4.1 热备用与风功率预测误差的关系 | 第54-55页 |
| 4.2 含风电场的多级机组组合方案 | 第55-58页 |
| 4.2.1 日前机组组合 | 第55-56页 |
| 4.2.2 日内机组组合 | 第56-57页 |
| 4.2.3 总体流程 | 第57-58页 |
| 4.3 求解机组组合过程 | 第58-66页 |
| 4.3.1 求解机组组合的基本步骤 | 第58页 |
| 4.3.2 求解机组组合的模型 | 第58-59页 |
| 4.3.3 ALAHN用于机组组合 | 第59-63页 |
| 4.3.4 释放过剩热备用 | 第63-66页 |
| 4.4 算例分析 | 第66-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 本文总结 | 第72页 |
| 5.2 工作展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 硕士期间所做工作及所获奖励 | 第82页 |