声明
致谢
变量注释表
1 绪论
1.1 课题背景(Background of the Subject)
1.2 风电预测方法概述( Overview of Wind Power Forcast Methods)
1.3 预测误差估计方法概述( Overview of Forecast Error Estimation Methods)
1.4 储能系统容量配置研究现状( Research Status of Energy Storage System Capacity Configuration)
1.5 本文的主要工作(Main Work of This Thesis)
2 基于功率分级GA-BP神经网络的风电预测
2.1 基于支持向量机分类器的功率分级( Power Classification Based on Support Vector Machine Classifier)
2.2 GA-BP神经网络(GA-BP Neural Network)
2.2.1 ANN的类型
2.2.2 BP神经网络的训练过程
2.2.3 遗传算法概述
2.2.4 GA-BP神经网络
2.3 基于功率分级 GA-BP 神经网络的风电预测算法原理(Principle of the Wind Power Forecast Algorithm Based on GA-BP Neural Network with Power Classification)
2.4算例分析(Example Analysis)
2.5本章小结(Conclusion of This Chapter)
3 风电预测误差估计
3.1.1 风电预测误差频率直方图
3.1.2 拟合函数
3.1.3 函数拟合的评价指标
3.1.4 函数拟合
3.1.5 基于概率密度函数的风电预测误差估计
3.2 风功率场景生成方法(Wind Power Scene Generation Method)
3.2.1 静态风功率场景的生成和削减
3.2.2 基于波动性分析的新型静态风功率场景生成
3.2.3 基于多元正态分布的动态风功率场景生成
3.2.4 风功率场景评估体系
3.2.5 风功率场景生成
3.3 基于特征值提取的风电预测误差估计方法( Wind Power Forecast Error Estimation Method Based on Eigenvalue Extraction)
3.3.1 基于直接数据处理方法的特征值提取
3.3.2 基于小波分析和粗糙集的特征值提取
3.3.3 基于特征值提取的风电预测误差估计算法原理
3.4 算例分析(Example Analysis)
3.5 本章小结(Conclusion of This Chapter)
4 发电侧混合储能动态配置
4.1 蓄电池模型(Battery Model)
4.2 超级电容器模型(Super Capacitor Model)
4.3 发电侧混合储能系统动态配置原理( Principle of Dynamic Configuration of Hybrid Energy Storage System on Power Generation Side)
4.4 发电侧混合储能系统动态配置算例分析(Example Analysis of Dynamic Configuration of Hybrid Energy Storage System on Power Generation Side)
4.5 本章小结(Conclusion of This Chapter)
5 总结与展望
5.1 工作总结(Conclusions of This Thesis)
5.2 工作展望(Prospect)
参考文献
作者简历
学位论文原创性声明
学位论文数据集