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
風電功率預測 版權信息
- ISBN：9787030665591
- 條形碼：9787030665591 ; 978-7-03-066559-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
風電功率預測 內容簡介
對風電場輸出功率進行預測是提高電網接納風電的能力、改善電力系統運行安全性與經濟性的有效手段。本書共分8章，重點對風電功率預本書重點介紹風電功率預測的原理、方法及應用。主要內容包括風電功率預測的基本概念、方法和發展歷程，風電功率預測相關的氣象學基礎和天氣預報基本概念，風電功率預測的物理方法和統計方法，模式輸出統計對物理預測方法和統計預測方法的改進，確定性預測誤差評價指標、預測誤差的分布特征、物理預測方法和統計預測方法的誤差源，風電功率概率預測方法的基本概念、方法原理及評價指標。書中還提供了大量實例，方便讀者理解。本書可供從事風電功率預測的科研及工程技術人員參考，也可供高等院校有關專業的教師、高年級學生及研究生使用。測的原理、方法、結果分析及應用進行了介紹。
風電功率預測 目錄
目錄
前言
第1章 緒論 1
1.1 風電功率預測基本概念 1
1.2 風電功率預測主要方法 2
1.3 風電功率預測技術發展歷程 5
1.4 本書章節安排 7
第2章 氣象學基礎與天氣預報 9
2.1 引言 9
2.2 氣象要素對風電功率的影響 9
2.2.1 風速與輸出功率的關系 9
2.2.2 風向與輸出功率的關系 10
2.2.3 空氣密度與輸出功率的關系 11
2.3 大氣運動理論基礎 12
2.3.1 大氣運動原理 12
2.3.2 大氣層結穩定度 14
2.3.3 大氣運動方程及其簡化 14
2.3.4 大氣邊界層中的運動方程 17
2.3.5 對數風廓線 18
2.3.6 地轉拖曳定律 19
2.4 數值天氣預報 20
2.4.1 NWP技術簡介 20
2.4.2 風電功率預測使用 NWP的技術要求 23
第3章 風電功率物理預測方法 25
3.1 引言 25
3.2 地形變化對風速、風向的影響 26
3.2.1 邊界層外層流場擾動求解 27
3.2.2 邊界層內層流場擾動求解 32
3.2.3 中間層流場擾動求解 33
3.2.4 模型求解方法 34
3.3 粗糙度變化對風速、風向的影響 34
3.3.1 粗糙度變化模型 35
3.3.2 粗糙度變化模型求解步驟 37
3.4 尾流效應對風速、風向的影響 37
3.4.1 Larsen尾流效應模型 39
3.4.2 尾流湍流模型 40
3.4.3 尾流效應組合模型 41
3.5 風電功率物理預測模型 42
3.5.1 風速、風向預測方法 42
3.5.2 風電場物理預測模型 43
3.6 實例分析 45
3.6.1 風速、風向預測實例 45
3.6.2 風電場物理預測模型實例 50
第4章 風電功率統計預測方法 55
4.1 引言 55
4.2 時間序列模型 55
4.3 BP神經網絡模型 60
4.3.1 人工神經元結構 60
4.3.2 BP神經網絡的基本原理及算法 62
4.3.3 BP神經網絡算法的改進 65
4.3.4 BP神經網絡的泛化能力 66
4.4 徑向基函數神經網絡模型 66
4.4.1 徑向基函數 66
4.4.2 徑向基函數神經網絡結構 68
4.4.3 徑向基函數神經網絡學習算法 69
4.5 支持向量機模型 70
4.5.1 支持向量機基本原理 70
4.5.2 支持向量機回歸算法 71
4.5.3 核函數 73
4.5.4 *小二乘支持向量機 73
4.6 預測模型輸入數據歸一化 75
4.7 三種機器學習方法比較及實例分析 76
4.8 風電功率組合預測方法 79
4.8.1 集成平均組合預測方法 80
4.8.2 線性回歸組合預測方法 81
第5章 模式輸出統計方法在風電功率預測中的應用 83
5.1 引言 83
5.2 MOS方法簡介 83
5.2.1 相關與回歸的基本概念 84
5.2.2 一元線性回歸的數學模型 85
5.2.3 參數*小二乘估計 85
5.2.4 相關性分析 86
5.3 MOS改進物理預測方法 87
5.3.1 風電場功率曲線求取 87
5.3.2 MOS改進物理預測方法的計算步驟 89
5.3.3 實例分析 90
5.4 MOS改進統計預測方法 95
第6章 風電功率預測誤差 99
6.1 引言 99
6.2 確定性功率預測結果評價指標 99
6.3 預測誤差的分布特征 102
6.3.1 預測誤差總體分布 103
6.3.2 不同功率水平下的誤差特性 104
6.4 物理預測方法的誤差源分析 106
6.4.1 物理模型的誤差 107
6.4.2 地轉拖曳定律引入的誤差 108
6.4.3 實例分析 110
6.5 統計預測方法的誤差源分析 112
6.5.1 不同 NWP模式的預測誤差 113
6.5.2 不同訓練數據長度的預測誤差 114
第7章 風電功率概率預測方法 117
7.1 引言 117
7.2 風電功率概率預測的條件概率分布 117
7.3 風電功率概率預測方法分類 119
7.3.1不同輸入數據源的概率預測方法 120
7.3.2 參數化及非參數化概率預測方法 123
7.3.3 單場站及區域風電場群的概率預測方法 127
7.4 概率預測的評價指標 130
7.4.1可靠度 130
7.4.2 銳度 131
7.4.3 技巧分數 132
7.5 基于 RBF神經網絡的分位數回歸概率預測方法 135
7.5.1 RBF神經網絡分位數回歸 135
7.5.2 基于 ADMM算法估計分位數回歸參數 137
7.5.3 風向聚類的機制轉換建模方法 139
7.5.4 實例分析 140
7.6 基于距離加權核密度估計的概率預測方法 143
7.6.1 基于 k近鄰法的條件樣本集構建 143
7.6.2 基于距離加權的核密度估計方法 144
7.6.3 實例分析 147
參考文獻 150
前言
第1章 緒論 1
1.1 風電功率預測基本概念 1
1.2 風電功率預測主要方法 2
1.3 風電功率預測技術發展歷程 5
1.4 本書章節安排 7
第2章 氣象學基礎與天氣預報 9
2.1 引言 9
2.2 氣象要素對風電功率的影響 9
2.2.1 風速與輸出功率的關系 9
2.2.2 風向與輸出功率的關系 10
2.2.3 空氣密度與輸出功率的關系 11
2.3 大氣運動理論基礎 12
2.3.1 大氣運動原理 12
2.3.2 大氣層結穩定度 14
2.3.3 大氣運動方程及其簡化 14
2.3.4 大氣邊界層中的運動方程 17
2.3.5 對數風廓線 18
2.3.6 地轉拖曳定律 19
2.4 數值天氣預報 20
2.4.1 NWP技術簡介 20
2.4.2 風電功率預測使用 NWP的技術要求 23
第3章 風電功率物理預測方法 25
3.1 引言 25
3.2 地形變化對風速、風向的影響 26
3.2.1 邊界層外層流場擾動求解 27
3.2.2 邊界層內層流場擾動求解 32
3.2.3 中間層流場擾動求解 33
3.2.4 模型求解方法 34
3.3 粗糙度變化對風速、風向的影響 34
3.3.1 粗糙度變化模型 35
3.3.2 粗糙度變化模型求解步驟 37
3.4 尾流效應對風速、風向的影響 37
3.4.1 Larsen尾流效應模型 39
3.4.2 尾流湍流模型 40
3.4.3 尾流效應組合模型 41
3.5 風電功率物理預測模型 42
3.5.1 風速、風向預測方法 42
3.5.2 風電場物理預測模型 43
3.6 實例分析 45
3.6.1 風速、風向預測實例 45
3.6.2 風電場物理預測模型實例 50
第4章 風電功率統計預測方法 55
4.1 引言 55
4.2 時間序列模型 55
4.3 BP神經網絡模型 60
4.3.1 人工神經元結構 60
4.3.2 BP神經網絡的基本原理及算法 62
4.3.3 BP神經網絡算法的改進 65
4.3.4 BP神經網絡的泛化能力 66
4.4 徑向基函數神經網絡模型 66
4.4.1 徑向基函數 66
4.4.2 徑向基函數神經網絡結構 68
4.4.3 徑向基函數神經網絡學習算法 69
4.5 支持向量機模型 70
4.5.1 支持向量機基本原理 70
4.5.2 支持向量機回歸算法 71
4.5.3 核函數 73
4.5.4 *小二乘支持向量機 73
4.6 預測模型輸入數據歸一化 75
4.7 三種機器學習方法比較及實例分析 76
4.8 風電功率組合預測方法 79
4.8.1 集成平均組合預測方法 80
4.8.2 線性回歸組合預測方法 81
第5章 模式輸出統計方法在風電功率預測中的應用 83
5.1 引言 83
5.2 MOS方法簡介 83
5.2.1 相關與回歸的基本概念 84
5.2.2 一元線性回歸的數學模型 85
5.2.3 參數*小二乘估計 85
5.2.4 相關性分析 86
5.3 MOS改進物理預測方法 87
5.3.1 風電場功率曲線求取 87
5.3.2 MOS改進物理預測方法的計算步驟 89
5.3.3 實例分析 90
5.4 MOS改進統計預測方法 95
第6章 風電功率預測誤差 99
6.1 引言 99
6.2 確定性功率預測結果評價指標 99
6.3 預測誤差的分布特征 102
6.3.1 預測誤差總體分布 103
6.3.2 不同功率水平下的誤差特性 104
6.4 物理預測方法的誤差源分析 106
6.4.1 物理模型的誤差 107
6.4.2 地轉拖曳定律引入的誤差 108
6.4.3 實例分析 110
6.5 統計預測方法的誤差源分析 112
6.5.1 不同 NWP模式的預測誤差 113
6.5.2 不同訓練數據長度的預測誤差 114
第7章 風電功率概率預測方法 117
7.1 引言 117
7.2 風電功率概率預測的條件概率分布 117
7.3 風電功率概率預測方法分類 119
7.3.1不同輸入數據源的概率預測方法 120
7.3.2 參數化及非參數化概率預測方法 123
7.3.3 單場站及區域風電場群的概率預測方法 127
7.4 概率預測的評價指標 130
7.4.1可靠度 130
7.4.2 銳度 131
7.4.3 技巧分數 132
7.5 基于 RBF神經網絡的分位數回歸概率預測方法 135
7.5.1 RBF神經網絡分位數回歸 135
7.5.2 基于 ADMM算法估計分位數回歸參數 137
7.5.3 風向聚類的機制轉換建模方法 139
7.5.4 實例分析 140
7.6 基于距離加權核密度估計的概率預測方法 143
7.6.1 基于 k近鄰法的條件樣本集構建 143
7.6.2 基于距離加權的核密度估計方法 144
7.6.3 實例分析 147
參考文獻 150
展開全部
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
經典常談
- >
月亮虎
- >
巴金－再思錄
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
朝聞道
- >
伊索寓言-世界文學名著典藏-全譯本
- >
詩經-先民的歌唱
本類暢銷
