声明
摘要
缩写符号汇总
第1章绪论
1.1课题研究背景及意义
1.2风光电站异常运行数据识别研究现状
1.2.1单一识别方法
1.2.2组合识别方法
1.2.3现状总结及存在问题分析
1.3数值天气预报风速/辐照度修正研究现状
1.3.1单一位置处的NWP风速/辐照度修正
1.3.2考虑空间耦合特性的NWP风速/辐照度修正
1.3.3现状总结及存在问题分析
1.4风光发电功率与负荷预测研究现状
1.4.1风电/光伏发电功率预测研究现状
1.4.2负荷预测研究现状
1.4.3风电-光伏发电-负荷功率预测研究现状
1.4.4现状总结及存在问题分析
1.5论文研究思路及主要内容
第2章多时空尺度下风光资源与发电功率特性分析方法研究
2.1引言
2.2自然风时移性评价方法
2.2.1现有时移性评价方法的不足
2.2.2基于风过程提取的自然风时移性评价方法
2.3风电功率波动性评价指标
2.3.1现有波动性评价指标的不足
2.3.2风电功率波动细节特征评价指标
2.4风光发电功率互补性评价方法
2.4.1现有互补性评价指标的不足
2.4.2考虑风光发电功率波动性的实时互补性评价方法
2.5算例分析
2.5.1自然风时移性
2.5.2风电功率波动细节特征
2.5.3风光发电功率实时互补性
2.6本章小结
第3章面向功率预测的风光电站异常运行数据清洗
3.1引言
3.2风光电站异常运行数据类型梳理
3.3针对异常数据分布不均的改进识别方法
3.3.1双向单边四分位法
3.3.2双DBSCAN聚类法
3.4针对堆积型异常数据的改进K-means聚类法
3.5风光电站异常运行数据的定向识别方法
3.6算例分析
3.6.1电站异常数据识别
3.6.2电站异常数据还原
3.7本章小结
第4章数值天气预报风速/辐照度时序传递修正
4.1引言
4.2.1独立时刻下NWP风速误差
4.2.2独立时刻下NWP辐照度误差
4.3考虑时序关系的NWP误差模式
4.3.1考虑时序关系的NWP风速误差
4.3.2考虑时序关系的NWP辐照度误差
4.4NWP风速/辐照度时序传递修正方法
4.5评价指标
4.6算例分析
4.6.1风电场
4.6.2光伏电站
4.7本章小结
第5章基于深度学习的风光发电功率与负荷联合预测
5.1引言
5.2风光荷联合预测依据及优势分析
5.3基于变量注意力机制的风光荷关键输入信息提取
5.4风光发电功率预测任务损失函数构建
5.4.1多任务学习
5.4.2基于同方差不确定性的风光发电功率预测任务损失函数
5.5基于变量注意力机制-多任务学习的风光荷联合预测方法
5.6评价指标
5.7算例分析
5.7.1风光荷相关性分析
5.7.2风光荷确定性预测结果
5.7.3风光荷不确定性预测结果
5.8本章小结
第6章结论与展望
6.1结论
6.2创新点
6.3展望
参考文献
攻读博士学位期间发表的论文及其它成果
攻读博士学位期间参加的科研工作
致谢
作者简介
华北电力大学华北电力大学(北京);