文摘
英文文摘
声明
致谢
1 绪论
1.1 课题研究背景
1.1.1 世界和我国风力发电的发展
1.1.2 我国AGC应用情况
1.2 课题研究的意义
1.2.1 风电出力预测的意义
1.2.2 AGC机组调配的意义
1.3 国内外研究动态
1.3.1 风速预测的研究现状
1.3.2 AGC机组调配的研究现状
1.4 选题的出发点
1.5 主要工作
2 基于支持向量机的风速预测
2.1 概述
2.2 风速的特性
2.2.1 风速的分布特性
2.2.2 风速的变化特性
2.3 人工神经网络理论
2.4 运用支持向量机进行风速预测
2.4.1 支持向量机算法的基本原理
2.4.2 支持向量机回归模型
2.4.3 风速预测回归模型的建立
2.5 算例分析
2.5.1 算例描述
2.5.2 风速样本的选择
2.5.3 支持向量机的参数选择
2.5.4 结果分析
2.6 本章小结
3 基于改进灰色模型下风速预测
3.1 灰色预测方法在风速预测中的应用
3.1.1 灰色预测模型的数学原理
3.1.2 灰色预测模型的基本方法
3.1.3 灰色预测模型的改进及其在风速预测中的应用
3.2 差分进化算法
3.2.1 差分进化算法概述
3.2.2 差分进化算法原理
3.2.3 基本差分进化算法步骤
3.2.4 差分进化法的算法流程
3.3 算例分析
3.3.1 算例描述
3.3.2 参数选择
3.3.3 结果分析
3.4 本章小结
4 风力机的功率预测
4.1 风力发电机功率的相关参数
4.1.1 风轮的功率系数的确定
4.1.2 风轮扫风面积的确定
4.1.3 风电场空气密度的确定
4.2 风力机功率预测算例
4.2.1 算例分析
4.2.2 结果分析
4.3 风电场出力建模
4.4 本章小结
5 基于风电场出力预测下的AGC机组调配
5.1 概述
5.2 AGC系统描述
5.2.1 电力系统运行目标
5.2.2 AGC控制目标
5.2.3 AGC工作原理
5.3 AGC实时控制机组策略
5.3.1 机组控制策略数学模型
5.3.2 数学模型分析
5.4 遗传算法
5.4.1 遗传算法基本原理
5.4.2 遗传算法的优点
5.5 AGC机组调配的遗传算法实现
5.5.1 编码设计
5.5.2 遗传算法控制参数设计
5.5.3 实际问题的适应度函数设计
5.6 算例分析
5.6.1 算例描述
5.6.2 参数选择
5.6.3 结果分析
5.7 本章小结
6 AGC机组调配系统方案设计
6.1 系统设计原则
6.2 系统设计性能
6.3 系统开发环境
6.4 系统模块设计
6.4.1 风速预测子模块
6.4.2 风电功率预测数据子模块
6.4.3 AGC机组调配模块
6.5 本章小结
7 结论
7.1 全文总结及主要创新
7.2 进一步的研究展望
参考文献
附录 A:本文符号说明
作者简历