欢迎来到阅能服务平台官网!

本网站目前处于试运行阶段,期间可能出现不稳定现象,敬请谅解,如有意见建议,请反馈至289291120@qq.com

  • 浏览量( 5 )
  • 加入收藏( 0 )

风电功率预测技术与实例分析
  • 作者:王桓 徐龙博
  • 出版社:中国水利水电出版社
  • 出版日期:2016年01月
  • ISBN:978-7-5170-4212-9
  • 页数:119
优惠价: ¥ 22.80
定价: ¥ 38.00

标签:风能

图书详情
内容简介
目录
  • 《风力发电工程技术丛书》
  • 本书编委会名单
  • 前言
  • 第1章 绪论
  • 1.1 风电产业发展概况
  • 1.1.1 世界能源产业现状及发展趋势
  • 1.1.2 中国能源产业现状及发展趋势
  • 1.1.3 风电产业发展现状及展望
  • 1.1.4 我国风力发电产业发展现状及展望
  • 1.2 我国风电产业快速发展中的问题
  • 1.2.1 电网消纳能力不足
  • 1.2.2 政策支持前景不确定
  • 1.2.3 技术水平制约
  • 1.3 风电功率预测的价值和意义
  • 1.4 风电功率预测技术发展现状
  • 1.5 风电功率预测技术原理及发展前景
  • 1.5.1 风电功率预测技术原理
  • 1.5.2 风电功率预测技术发展前景
  • 1.6 风的形成与地形对风的影响
  • 1.6.1 风的形成
  • 1.6.2 大气边界层风场的形成
  • 1.6.3 山区的近地风场
  • 1.6.4 沿海地区的海陆风
  • 1.7 小结
  • 第2章 风电功率预测的物理模型
  • 2.1 基本思想
  • 2.2 数值天气预报
  • 2.2.1 中小尺度的MM5模式
  • 2.2.2 WRF模式
  • 2.2.2.1 前处理系统(WPS)
  • 2.2.2.2 基础软件框架
  • 2.3 风电场的局地建模方法
  • 2.3.1 粗糙度估算
  • 2.3.1.1 拟合对数风廓线法
  • 2.3.1.2 Davenport土地类型划分法
  • 2.3.1.3 粗糙度估算的影响因素
  • 2.3.2 尾流模型
  • 2.3.2.1 Jensen尾流模型
  • 2.3.2.2 Larsen尾流模型
  • 2.3.3 基于地形的风电场建模
  • 2.4 风电功率映射算法
  • 2.5 小结
  • 第3章 风电功率预测的统计模型
  • 3.1 基本思想
  • 3.2 神经网络模型
  • 3.2.1 神经网络基本原理
  • 3.2.1.1 神经元功能函数
  • 3.2.1.2 神经元连接形式
  • 3.2.1.3 神经网络的训练算法
  • 3.2.2 BP神经网络
  • 3.2.2.1 优点
  • 3.2.2.2 缺点
  • 3.2.3 实例分析
  • 3.2.3.1 输入和输出层的设计
  • 3.2.3.2 隐层数和节点数的选择
  • 3.2.3.3 其他参数的设置
  • 3.3 支持向量机模型
  • 3.3.1 支持向量机原理
  • 3.3.1.1 结构风险最小化原理
  • 3.3.1.2 最优判别超平面
  • 3.3.1.3 线性样本分类
  • 3.3.1.4 非线性样本分类
  • 3.3.1.5 支持向量机的优点
  • 3.3.2 基于SVM的风电功率预报建模
  • 3.4 混沌模型
  • 3.4.1 混沌预报基础理论
  • 3.4.1.1 混沌特征
  • 3.4.1.2 相空间重构
  • 3.4.1.3 嵌入维的仿真与计算
  • 3.4.1.4 常用混沌预报算法
  • 3.4.2 混沌风电功率预报实例分析
  • 3.5 小结
  • 第4章 风电功率预测系统的功能与结构
  • 4.1 风电功率预测系统的基本功能
  • 4.1.1 建模基础数据要求
  • 4.1.2 数据采集与处理
  • 4.1.3 预测功能要求
  • 4.1.4 数据的统计分析要求
  • 4.1.5 软件界面要求
  • 4.1.6 安全防护要求
  • 4.1.7 数据上报要求
  • 4.1.8 性能要求
  • 4.2 风电功率预测系统的硬件设计
  • 4.2.1 典型硬件设计方案
  • 4.2.2 主机和通信系统
  • 4.2.3 测风塔系统
  • 4.2.3.1 技术要求
  • 4.2.3.2 防雷措施
  • 4.2.3.3 测风塔系统的选址方法
  • 4.2.4 安全防护系统
  • 4.2.4.1 网络攻击的形式和传统防御策略的缺陷
  • 4.2.4.2 安全隔离设备的定义
  • 4.2.4.3 网络安全隔离设备访问控制策略
  • 4.2.4.4 网络安全隔离设备简介
  • 4.3 风电功率预测系统的软件设计
  • 4.3.1 基本功能
  • 4.3.2 软件架构与开发工具
  • 4.3.2.1 C/S架构及其开发工具
  • 4.3.2.2 B/S架构及其开发工具
  • 4.3.2.3 小结
  • 4.3.3 核心算法与开发工具
  • 4.3.3.1 Matlab平台简介
  • 4.3.3.2 VC++调用Matlab库函数技术简介
  • 4.3.4 数据库系统的设计
  • 4.3.4.1 主流数据库系统的介绍
  • 4.3.4.2 风电功率预测软件数据库系统选取的原则
  • 4.4 典型风电功率预测系统简介
  • 4.4.1 国外系统简介
  • 4.4.1.1 丹麦WAsP系统
  • 4.4.1.2 WindFarmer软件
  • 4.4.1.3 Meteodyn WT软件
  • 4.4.1.4 WindSim软件
  • 4.4.2 国内系统简介
  • 4.4.2.1 中国电力科学研究院风电功率预测系统
  • 4.4.2.2 国能日新风电功率预测系统SPWF-3000
  • 4.5 小结
  • 第5章 典型风电场风电功率预测系统实例分析
  • 5.1 分析对象、方法和工具
  • 5.1.1 分析对象
  • 5.1.2 分析方法
  • 5.1.3 分析工具
  • 5.1.3.1 关联度C
  • 5.1.3.2 相关性系数r
  • 5.2 沿海风电场实例分析
  • 5.2.1 基本情况
  • 5.2.2 系统运行分析
  • 5.2.2.1 数值天气预报精度分析
  • 5.2.2.2 短期风电功率预测精度分析
  • 5.2.2.3 超短期风电功率预报精度分析
  • 5.3 山地风电场实例分析
  • 5.3.1 基本情况
  • 5.3.2 系统运行分析
  • 5.3.2.1 数值天气预报精度分析
  • 5.3.2.2 短期风电功率预测精度分析
  • 5.4 平原风电场实例分析
  • 5.4.1 基本情况
  • 5.4.2 系统运行分析
  • 5.4.3 风电功率的时变特征
  • 5.4.3.1 发电功率全年时变特征
  • 5.4.3.2 发电功率日内时变特征
  • 5.5 小结
  • 附录 测风塔技术参数
  • 参考文献
  • 本书编辑出版人员名单

编辑推荐