文摘
英文文摘
声明
第1章 绪论
1.1 风电产业发展现状及课题背景
1.1.1 风电产业发展现状
1.1.2 课题背景
1.2 风速和风力发电功率预测的概念
1.3 风电场短期风电功率预测功能和作用
1.4 风电场短期风电功率预测发展现状
1.4.1 国外研究状况
1.4.2 国内研究状况
1.5 本论文的主要工作
第2章 预测技术基础
2.1 预测概念
2.1.1 定性预测技术
2.1.2 定量预测技术
2.2 风速和风力发电功率预测方法介绍
2.3 预测步骤
2.4 预测原理
2.5 预测结果分析
2.6 本章小节
第3章 风电功率短期、超短期预测系统介绍
3.1 风电功率预测系统的构成
3.2 数值天气预报模块
3.3 风电场数据采集
3.3.1 风电场数据采集设备
3.3.2 无线风况数据采集
3.4 预测程序模块
3.4.1 随机时间序列预测模型的建立
3.4.2 人工神经网络预测模型的建立
3.5 软件实现模块
3.5.1 GUI界面设计模块
3.5.2 VB与MATLAB混合编程
3.6 预测系统数据库模块
3.6.1 VB与系统数据库连接
3.6.2 Matlab与系统数据库连接
3.6.3 Access数据库的安全性问题
3.7本章小节
第4章基于历史数据的随机时间序列法的风电功率预测
4.1随机时间序列法基本原理
4.1.1平稳随机时间序列的定义及性质
4.1.2平稳随机时间序列线性模型的分类
4.1.3非平稳随机时间序列的平稳化处理及其模型
4.2平稳随机时间序列模型的识别
4.2.1偏自相关函数的定义和计算
4.2.2三类模型的识别
4.3平稳随机时间序列模型的参数估计
4.4随机时间序列模型的检验
4.5建立预测模型
4.6实例分析
4.6.1时间序列的建立
4.6.2样本序列的平稳化
4.6.3模型识别
4.6.4参数估计
4.6.5模型检验
4.6.6平稳性和可逆性检验
4.6.7建立预测模型
4.6.8预测结果分析
4.6.9程序框图
4.7本章小结
第5章基于历史数据的人工神经网络法的风电功率预测
5.1神经网络法基本原理
5.1.1神经网络的发展
5.1.2神经网络的研究内容
5.1.3神经网络的应用
5.2神经网络模型
5.2.1神经元模型
5.2.2神经网络的基本结构
5.2.3神经网络结构
5.2.4神经网络学习规则
5.3 BP网络模型及其算法
5.3.1 BP网络模型
5.3.2 BP算法
5.3.3改进的BP算法
5.4实例分析
5.4.1网络结构的确定
5.4.2输入层、隐含层,输出层的确定
5.4.3 数据归一化
5.4.4 滚动式权值调整
5.4.5 预测精度提高
5.4.6 预测结果分析
5.4.7 神经网络法建模总体流程图
5.5 本章小结
第6章 基于气象数据的神经网络法的风电功率预测
6.1 风电功率预测
6.2 风电功率的预测模型建立
6.2.1 风电功率预测误差分析
6.2.2 风速预测和风力发电功率预测误差比较分析
6.3 本章小结
第7章 结论与展望
7.1 结论
7.2 展望
参考文献
附录 气象数据以及风电功率数据
作者简介
致谢