声明
摘要
第一章 绪论
1.1 课题研究背景及意义
1.1.1 世界风电发展现状
1.1.2 我国风电发展现状
1.1.3 风电场风电预测研究的意义
1.2 风电场风速及功率预测技术分类
1.2.1 按预测时间尺度分类
1.2.2 按输入数据类型分类
1.3 基于统计方法的国内外研究现状
1.3.1 时间序列模型
1.3.2 机器学习模型
1.3.3 组合(混合)预测模型
1.4 论文主要工作及章节安排
1.4.1 论文主要研究内容及创新点
1.4.2 论文章节安排
第二章 基于单一模型的风电场风速预测研究
2.1 引言
2.2 单一预测模型
2.2.1 时间序列模型
2.2.2 神经网络模型
2.2.3 支持向量机模型
2.3 多步预测机制
2.3.1 迭代预测
2.3.2 直接预测
2.4 实例研究
2.4.1 风速数据
2.4.2 单一模型预测性能分析
2.4.3 多步预测机制预测性能分析
2.5 本章小结
第三章 基于加权组合的风电场短期风速预测
3.1 引言
3.2 集成学习
3.2.1 基学习器的选取
3.2.2 组合机制
3.3 基于集成学习的加权组合预测方法
3.4 算例分析
3.5 本章小结
第四章 基于分解组合的风电场短期风速预测
4.1 引言
4.2 经验模态分解算法
4.3 基于EMD的分解组合预测模型
4.4 算例分析
4.4.1 风速EMD分解
4.4.2 特征构建
4.4.3 特征选择
4.4.4 预测结果及比较分析
4.5 本章小结
第五章 风电场短期风速区间预测研究
5.1 引言
5.2 直接区间预测的问题描述
5.2.1 直接区间预测
5.2.2 预测区间评估指标
5.2.3 问题描述
5.3 多目标优化框架下基于RBF的直接区间预测
5.3.1 RBF神经网络
5.3.2 权值预训练
5.3.3 基于NSGA-Ⅱ算法进一步调整权值
5.4 算例分析
5.5 本章小结
第六章 风电场短期风速概率预测研究
6.1 引言
6.2 高斯过程回归模型
6.2.1 协方差函数
6.2.2 模型选择
6.2.3 自动关联确定
6.2.4 决策理论
6.3 基于高斯过程回归的风速概率预测
6.4 算例分析
6.5 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
攻读博士学位期间发表的论文
致谢