| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景与意义 | 第7-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 风电功率预测研究现状 | 第9页 |
| 1.2.2 爬坡事件研究现状 | 第9-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 特色与创新点 | 第13-14页 |
| 第二章 研究方法与资料 | 第14-20页 |
| 2.1 爬坡事件的常用识别方法 | 第14-16页 |
| 2.2 旋转门SDT算法 | 第16页 |
| 2.3 模式与实验设计 | 第16-18页 |
| 2.3.1 WRF模式简介 | 第16-17页 |
| 2.3.2 WRF模式物理方案 | 第17-18页 |
| 2.4 研究区域与数据资料 | 第18-20页 |
| 2.4.1 研究区域 | 第18页 |
| 2.4.2 数据说明 | 第18-20页 |
| 第三章 爬坡事件识别的新方法 | 第20-41页 |
| 3.1 风功率爬坡事件的识别 | 第20-23页 |
| 3.2 常用爬坡事件识别方法的比较 | 第23-30页 |
| 3.2.1 Kamath定义识别的爬坡事件 | 第23-24页 |
| 3.2.2 Haiyang定义识别的爬坡事件 | 第24-27页 |
| 3.2.3 Bossavy定义识别的爬坡事件 | 第27页 |
| 3.2.4 爬坡事件三种方法识别结果的比较分析 | 第27-30页 |
| 3.3 改进的Bossavy识别方法 | 第30-34页 |
| 3.3.1 改进的Bossavy定义 | 第30-31页 |
| 3.3.2 改进的Bossavy定义识别的爬坡事件 | 第31-33页 |
| 3.3.3 改进的Bossavy定义与原定义识别结果的比较分析 | 第33-34页 |
| 3.4 基于SDT算法的爬坡事件识别方法 | 第34-38页 |
| 3.4.1 基于SDT算法的爬坡事件识别方法 | 第35-36页 |
| 3.4.2 基于SDT算法定义识别的的爬坡事件 | 第36-38页 |
| 3.5 爬坡事件两种新方法识别效果的比较分析 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于SDT算法的识别方法在胶东半岛的适用性分析 | 第41-45页 |
| 4.1 爬坡高度特征量的分析 | 第41-42页 |
| 4.2 爬坡速率与持续时间的联合分布特征分析 | 第42-43页 |
| 4.3 爬坡高度与持续时间的联合分布特征分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 胶东半岛大范围爬坡事件发生机理的初步分析 | 第45-54页 |
| 5.1 大范围爬坡事件的初步探讨 | 第45-47页 |
| 5.2 大范围爬坡事件发生的机理分析 | 第47-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 硕士研究生期间科研情况及发表的文章 | 第59-60页 |
| 致谢 | 第60页 |
