掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
風電功率特性分析與場景預測 版權信息
- ISBN：9787030657596
- 條形碼：9787030657596 ; 978-7-03-065759-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
風電功率特性分析與場景預測 本書特色
本書系統介紹了風電功率特性分析方法及其場景的模擬方法。
風電功率特性分析與場景預測 內容簡介
本書從"認識風電特性、描述風電特性、預測風電功率場景"為出發點，基于大量的風電功率歷史數據，從功率特性、時空相關特性、狀態轉移特性、狀態持續特性、波動特性、預測誤差特性等多個維度，剖析風電功率的隨機特性。并基于此，對風電功率場景進行預測，為電力系統規劃與運行提供基礎信息。全書共分為上、下兩篇，上篇主要介紹風電功率的隨機特性，包括功率值特性、周期特性、預測誤差特性、持續特性、波動特性以及相關特性；下篇主要介紹中長時間尺度風電功率序列場景的生成方法、短時間尺度風電功率序列場景的生成方法、單個風電場出力場景的生成方法以及多個風電場出力場景的生成方法。
風電功率特性分析與場景預測 目錄
目錄
前言
方法及模型符號說明
上篇 風電功率特性分析方法
第1章 風電功率特性分析概述 3
1.1 引言 3
1.2 風電功率特性分析流程 3
1.3 涉及的統計指標及概率分布函數 4
1.3.1 數據來源 4
1.3.2 特性指標 5
1.3.3 常見的概率分布函數及統計指標 6
1.4 風電功率特性分析研究現狀 10
1.5 風電功率特性分析內容 14
第2章 風電功率日曲線的時序特性分析 15
2.1 引言 15
2.2 風電功率的日特性分析 15
2.2.1 美國YoungCounty風電場風電功率日特性分析 16
2.2.2 愛爾蘭Ireland風電場群風電功率日特性分析 16
2.3 風電功率的統計特性分析 20
2.3.1 愛爾蘭Ireland風電場群風電功率的統計特性分析 20
2.3.2 德國Tennet風電場群與英國UK風電場群風電數據統計特性分析 29
2.4 風電功率長時間特性分析 32
2.4.1 愛爾蘭Ireland風電場群風電功率的長時間特性曲線分析 32
2.4.2 德國Tennet風電場群與英國UK風電場群長時間特性分析 33
2.5 風電功率爬坡特性分析 36
第3章 風電功率序列的相關特性 39
3.1 引言 39
3.2 風電功率序列的時空相關特性 39
3.2.1 風電功率序列時空相關特性概述 39
3.2.2 風電功率序列相關性的測度 42
3.3 風電功率序列線性相關的適用性判別 45
3.3.1 線性相關性判別所涉及的定義 45
3.3.2 風電功率序列的線性相關性判別方法 45
3.3.3 風電功率序列時空線性相關性的實證分析 46
3.4 風電功率序列非線性相關特性分析 47
3.4.1 Copula函數與其他非線性相關測度的關系 47
3.4.2 風電功率序列時空非線性相關性的實證分析 49
第4章 風電功率預測誤差特性分析 52
4.1 引言 52
4.2 風電功率預測誤差概述 52
4.2.1 風電功率預測的難點分析 52
4.2.2 風電功率預測的種類 53
4.2.3 衡量風電功率預測效果的評價指標 56
4.3 風電功率預測誤差統計特性分析方法 58
4.4 風電功率預測誤差分布特性 60
4.4.1 數據說明 61
4.4.2 我國北方某風電場風電功率誤差的分布特性 61
4.4.3 德國Tennet風電場群風電功率誤差的分布特性 61
第5章 風電功率波動特性分析 64
5.1 引言 64
5.2 不同時空尺度下的風電功率波動特性 64
5.2.1 風電功率波動的概率分布特性分析 65
5.2.2 風電功率在不同空間尺度下的波動特性 66
5.2.3 風電功率序列在不同時間尺度下的波動特性 68
第6章 風電功率持續特性分析 72
6.1 引言 72
6.2 風電功率持續特性 73
6.2.1 風電功率狀態的持續時間特性 73
6.2.2 風電功率的狀態轉移特性 75
6.3 風電功率持續時間特性分析 75
6.3.1 風電功率狀態持續時間的概率分布函數 75
6.3.2 風電功率狀態持續時間的概率分布特性分析 78
6.4 風電功率狀態轉移率特性 85
6.4.1 狀態轉移率矩陣的計算方法 85
6.4.2 風電功率狀態轉移率特性分析 85
第7章 風電功率特性研究總結 92
7.1 引言 92
7.2 風電功率相關性研究總結 92
7.3 風電功率的預測誤差特性研究總結 93
7.4 風電功率波動性研究總結 94
7.5 風電功率持續特性研究總結 95
上篇參考文獻 96
下篇 風電功率場景模擬方法
第8章 風電功率場景模擬的定義與分類 105
8.1 引言 105
8.2 風電功率場景定義 105
8.3 風電功率場景模擬概述 107
8.3.1 風電功率場景模擬問題 107
8.3.2 風電功率場景模擬的近似方法 108
8.4 衡量風電功率場景模擬精度的距離指標 108
8.4.1 統計特性指標 108
8.4.2 相關性指標 108
8.4.3 空間距離指標 109
第9章 基于Cholesky分解和超立方變換的矩匹配場景生成方法 111
9.1 引言 111
9.2 矩匹配法的基本思想 111
9.3 基于矩匹配法的風電功率場景生成 112
9.3.1 矩匹配法的基本步驟 112
9.3.2 立方變換 114
9.4 矩匹配方法生成風電功率場景的驗證 114
9.5 基于矩匹配法的風電場景生成應用 117
9.5.1 基于場景的魯棒輸電網規劃優化模型 117
9.5.2 修正的Garver6節點系統 118
9.5.3 IEEE24節點系統 122
9.5.4 IEEE RTS-96系統 125
第10章 基于改進矩匹配的場景削減方法 129
10.1 引言 129
10.2 場景削減的基礎理論 130
10.3 場景削減的經典方法 131
10.3.1 聚類分析方法 131
10.3.2 前向選擇法/后向削減方法 132
10.3.3 矩匹配法 134
10.4 基于聚類和Cholesky分解法的改進矩匹配法 136
10.4.1 基于聚類方法削減場景 136
10.4.2 基于Cholesky分解法的相關性矩陣的修正 137
10.4.3 基于矩匹配法優化削減場景的概率 139
10.5 算例分析 140
10.5.1 算例說明 140
10.5.2 改進矩匹配法的計算結果 142
10.5.3 改進矩匹配法的場景的計算效率分析 143
10.5.4 改進矩匹配法的擬合精度分析 145
第11章 基于*優化理論的場景生成方法 149
11.1 引言 149
11.2 場景優化削減的基本問題 149
11.3 場景優化削減問題的數學模型 150
11.4 場景優化削減模型的求解方法 152
11.5 風電功率時間序列模擬算例 154
11.5.1 算例說明 154
11.5.2 所生成的風電功率序列場景 154
11.5.3 場景優化削減方法的精度分析 154
11.5.4 *優場景法與其他優化方法的對比分析 157
第12章 基于雙向優化技術的風電功率場景生成方法 161
12.1 引言 161
12.2 雙向場景優化生成風電功率序列的基本思路 161
12.3 基于“雙向優化”日風電功率序列場景生成 162
12.3.1 基于削減技術的縱向場景優化 162
12.3.2 基于禁忌搜索算法的橫向場景序列生成 163
12.4 基于雙向優化技術的場景生成應用分析 165
12.4.1 數據說明 165
12.4.2 單時段風電功率預測誤差場景生成 166
12.4.3 日風電功率序列場景的生成與驗證 167
第13章 基于Copula函數的場景生成方法研究 173
13.1 引言 173
13.2 含多風電場電力系統的優化模型 173
13.3 基于Copula函數風電場出力的相關性分析 174
13.3.1 Copula函數 174
13.3.2 描述風電場出力相關性的Copula函數實證 174
13.4 基于Copula函數場景優化方法 179
13.4.1 相關說明 179
13.4.2 算法流程 179
13.4.3 計算結果 180
13.5 算例分析 180
13.5.1 OPF-WS模型 180
13.5.2 計算結果 181
第14章 風電功率場景模擬方法研究總結 183
14.1 引言 183
14.2 基于模擬的場景生成方法總結 183
14.3 基于削減的場景生成方法總結 184
下篇參考文獻 186
前言
方法及模型符號說明
上篇 風電功率特性分析方法
第1章 風電功率特性分析概述 3
1.1 引言 3
1.2 風電功率特性分析流程 3
1.3 涉及的統計指標及概率分布函數 4
1.3.1 數據來源 4
1.3.2 特性指標 5
1.3.3 常見的概率分布函數及統計指標 6
1.4 風電功率特性分析研究現狀 10
1.5 風電功率特性分析內容 14
第2章 風電功率日曲線的時序特性分析 15
2.1 引言 15
2.2 風電功率的日特性分析 15
2.2.1 美國YoungCounty風電場風電功率日特性分析 16
2.2.2 愛爾蘭Ireland風電場群風電功率日特性分析 16
2.3 風電功率的統計特性分析 20
2.3.1 愛爾蘭Ireland風電場群風電功率的統計特性分析 20
2.3.2 德國Tennet風電場群與英國UK風電場群風電數據統計特性分析 29
2.4 風電功率長時間特性分析 32
2.4.1 愛爾蘭Ireland風電場群風電功率的長時間特性曲線分析 32
2.4.2 德國Tennet風電場群與英國UK風電場群長時間特性分析 33
2.5 風電功率爬坡特性分析 36
第3章 風電功率序列的相關特性 39
3.1 引言 39
3.2 風電功率序列的時空相關特性 39
3.2.1 風電功率序列時空相關特性概述 39
3.2.2 風電功率序列相關性的測度 42
3.3 風電功率序列線性相關的適用性判別 45
3.3.1 線性相關性判別所涉及的定義 45
3.3.2 風電功率序列的線性相關性判別方法 45
3.3.3 風電功率序列時空線性相關性的實證分析 46
3.4 風電功率序列非線性相關特性分析 47
3.4.1 Copula函數與其他非線性相關測度的關系 47
3.4.2 風電功率序列時空非線性相關性的實證分析 49
第4章 風電功率預測誤差特性分析 52
4.1 引言 52
4.2 風電功率預測誤差概述 52
4.2.1 風電功率預測的難點分析 52
4.2.2 風電功率預測的種類 53
4.2.3 衡量風電功率預測效果的評價指標 56
4.3 風電功率預測誤差統計特性分析方法 58
4.4 風電功率預測誤差分布特性 60
4.4.1 數據說明 61
4.4.2 我國北方某風電場風電功率誤差的分布特性 61
4.4.3 德國Tennet風電場群風電功率誤差的分布特性 61
第5章 風電功率波動特性分析 64
5.1 引言 64
5.2 不同時空尺度下的風電功率波動特性 64
5.2.1 風電功率波動的概率分布特性分析 65
5.2.2 風電功率在不同空間尺度下的波動特性 66
5.2.3 風電功率序列在不同時間尺度下的波動特性 68
第6章 風電功率持續特性分析 72
6.1 引言 72
6.2 風電功率持續特性 73
6.2.1 風電功率狀態的持續時間特性 73
6.2.2 風電功率的狀態轉移特性 75
6.3 風電功率持續時間特性分析 75
6.3.1 風電功率狀態持續時間的概率分布函數 75
6.3.2 風電功率狀態持續時間的概率分布特性分析 78
6.4 風電功率狀態轉移率特性 85
6.4.1 狀態轉移率矩陣的計算方法 85
6.4.2 風電功率狀態轉移率特性分析 85
第7章 風電功率特性研究總結 92
7.1 引言 92
7.2 風電功率相關性研究總結 92
7.3 風電功率的預測誤差特性研究總結 93
7.4 風電功率波動性研究總結 94
7.5 風電功率持續特性研究總結 95
上篇參考文獻 96
下篇 風電功率場景模擬方法
第8章 風電功率場景模擬的定義與分類 105
8.1 引言 105
8.2 風電功率場景定義 105
8.3 風電功率場景模擬概述 107
8.3.1 風電功率場景模擬問題 107
8.3.2 風電功率場景模擬的近似方法 108
8.4 衡量風電功率場景模擬精度的距離指標 108
8.4.1 統計特性指標 108
8.4.2 相關性指標 108
8.4.3 空間距離指標 109
第9章 基于Cholesky分解和超立方變換的矩匹配場景生成方法 111
9.1 引言 111
9.2 矩匹配法的基本思想 111
9.3 基于矩匹配法的風電功率場景生成 112
9.3.1 矩匹配法的基本步驟 112
9.3.2 立方變換 114
9.4 矩匹配方法生成風電功率場景的驗證 114
9.5 基于矩匹配法的風電場景生成應用 117
9.5.1 基于場景的魯棒輸電網規劃優化模型 117
9.5.2 修正的Garver6節點系統 118
9.5.3 IEEE24節點系統 122
9.5.4 IEEE RTS-96系統 125
第10章 基于改進矩匹配的場景削減方法 129
10.1 引言 129
10.2 場景削減的基礎理論 130
10.3 場景削減的經典方法 131
10.3.1 聚類分析方法 131
10.3.2 前向選擇法/后向削減方法 132
10.3.3 矩匹配法 134
10.4 基于聚類和Cholesky分解法的改進矩匹配法 136
10.4.1 基于聚類方法削減場景 136
10.4.2 基于Cholesky分解法的相關性矩陣的修正 137
10.4.3 基于矩匹配法優化削減場景的概率 139
10.5 算例分析 140
10.5.1 算例說明 140
10.5.2 改進矩匹配法的計算結果 142
10.5.3 改進矩匹配法的場景的計算效率分析 143
10.5.4 改進矩匹配法的擬合精度分析 145
第11章 基于*優化理論的場景生成方法 149
11.1 引言 149
11.2 場景優化削減的基本問題 149
11.3 場景優化削減問題的數學模型 150
11.4 場景優化削減模型的求解方法 152
11.5 風電功率時間序列模擬算例 154
11.5.1 算例說明 154
11.5.2 所生成的風電功率序列場景 154
11.5.3 場景優化削減方法的精度分析 154
11.5.4 *優場景法與其他優化方法的對比分析 157
第12章 基于雙向優化技術的風電功率場景生成方法 161
12.1 引言 161
12.2 雙向場景優化生成風電功率序列的基本思路 161
12.3 基于“雙向優化”日風電功率序列場景生成 162
12.3.1 基于削減技術的縱向場景優化 162
12.3.2 基于禁忌搜索算法的橫向場景序列生成 163
12.4 基于雙向優化技術的場景生成應用分析 165
12.4.1 數據說明 165
12.4.2 單時段風電功率預測誤差場景生成 166
12.4.3 日風電功率序列場景的生成與驗證 167
第13章 基于Copula函數的場景生成方法研究 173
13.1 引言 173
13.2 含多風電場電力系統的優化模型 173
13.3 基于Copula函數風電場出力的相關性分析 174
13.3.1 Copula函數 174
13.3.2 描述風電場出力相關性的Copula函數實證 174
13.4 基于Copula函數場景優化方法 179
13.4.1 相關說明 179
13.4.2 算法流程 179
13.4.3 計算結果 180
13.5 算例分析 180
13.5.1 OPF-WS模型 180
13.5.2 計算結果 181
第14章 風電功率場景模擬方法研究總結 183
14.1 引言 183
14.2 基于模擬的場景生成方法總結 183
14.3 基于削減的場景生成方法總結 184
下篇參考文獻 186
展開全部
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
煙與鏡
- >
中國歷史的瞬間
- >
我與地壇
- >
經典常談
- >
史學評論
- >
上帝之肋:男人的真實旅程
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
