声明
摘要
致谢
第一章 绪论
1.1 微电网技术现状及研究背景
1.2 风速及风电功率预测技术现状
1.2.1 数值天气预报预测方法
1.2.2 物理预测方法
1.2.3 统计预测方法
1.3 微电网潮流预测技术现状
1.4 本文研究内容及创新点
1.4.1 本文研究内容
1.4.2 本文的创新点
参考文献
第二章 基于支持向量机与小波分析的风速短期预测
2.1 引言
2.2 支持向量回归机
2.3 最小二乘支持向量机
2.3.1 LSSVM原理
2.3.2 LSSVM参数对预测结果的影响
2.3.3 基于自适应粒子群算法的支持向量机模型(APSO-LSSVM)
2.3.4 算例分析
2.4 小波分析
2.4.1 小波理论概述
2.4.2 小波函数
2.4.3 多分辨率分析
2.5 小波-支持向量机风速预测
2.5.1 预测方法
2.5.2 算例分析
2.6 风速预测的误差校正
2.6.1 预测方法
2.6.2 支持向量机风速初步预测
2.6.3 小波-支持向量机预测误差校正
2.7 本章小结
参考文献
第三章 风电功率的脊波神经网络预测
3.1 引言
3.2 脊波理论
3.3 脊波神经网络
3.3.1 脊波神经网络结构
3.3.2 RNN的最陡梯度下降训练法
3.3.3 改进型差分进化训练算法
3.4 RNN风电功率预测
3.4.1 风速、风向与风电功率关系
3.4.2 基于RNN网络的风速及功率预测
3.4.3 模型比较
3.5 本章小结
参考文献
第四章 风速及风电功率预测结果不确定性研究
4.1 引言
4.2 随机变量及其描述
4.2.1 随机变量的概率分布函数
4.2.2 随机变量的数字特征
4.3 风速及风电功率预测结果不确定性分析
4.3.1 风速概率分布特性
4.3.2 风力发电机输出功率概率模型
4.3.3 预测模型
4.3.4 预测因子的选择
4.3.5 预测误差特性分析
4.4 基于条件概率的风速预测结果不确定性分析
4.4.1 条件概率
4.4.2 独立分量分析方法
4.4.3 随机变量的概率密度计算
4.4.4 算例分析
4.5.风电功率预测结果的区间估计
4.5.1 以预测误差为条件的概率分布预测
4.5.2 以功率波动为条件的概率分布预测
4.5.3 以预测误差和功率波动为联合条件的概率分布预测
4.6 本章小结
参考文献
第五章 含风力发电机组的微电网潮流预测
5.1 引言
5.2 微电网潮流计算方法
5.3 含风电机组微电网潮流计算
5.3.1 微电网结构
5.3.2 风电机组数学模型
5.3.3 风速对接入点电压稳定性的影响
5.4 微电网概率潮流预测
5.4.1 马尔科夫链预测模型
5.4.2 潮流概率分布预测
5.5 算例分析
5.5.1 AWT接入点电压稳定性分析
5.5.2 风速对节点电压的影响分析
5.5.3 风速对支路潮流的影响分析
5.6 潮流的条件联合概率分布
5.6.1 光伏发电功率确定性预测
5.6.2 拉丁超立方采样
5.6.3 微电网潮流概率预测方法
5.6.4 算例分析
5.7 本章小结
参考文献
第六章 总结与展望
6.1 本文总结
6.2 展望
作者攻读博士学位期间发表的论文
作者攻读博士学位期间主要参加的课题
合肥工业大学;