鼕雷、廖曉鐘、王麗婕編著的《大型風電場發電功率建模與預測》共7章，第1章主要介紹風力發電特點、數值天氣預報模型及預報模式、風力發電功率預測的重要性、風力發電功率預測的方法、風力發電功率預測的發展及風力發電功率預測的誤差評價指標；第2章主要介紹與風力發電功率預測相關的一繫列方法理論；第3章通過具體實例介紹超短期風力發電功率預測方法及模型建立過程，包括自回歸滑動平均模型、人工神經網絡模型和支持向量機及多模型組合預測；第4章介紹短期風力發電功率預測方法及模型建立過程，包括基於數值天氣預報的神經網絡預測模型、基於聚類分析法的預測模型、基於粗糙集和主成分分析法的預測模型；第5章通過具體實例介紹中期風力發電功率預測方法及模型建立過程，包括基於粗糙集的神經網絡預測模型、基於灰色理論的預測模型；第6章從電網、風電場、技術三個角度介紹開發風力發電功率預測繫統的基本需求以及一套已投入使用的集成化風力發電功率預測繫統；第7章從風力發電預測的不確定性出發，對風力發電預測的預測誤差分布進行分析，並建立風力發電功率預測與繫統備用容量之間的關繫，從而探討風力發電功率預測模型對電力繫統備用容量的影響。

鼕雷、廖曉鐘、王麗婕編著的《大型風電場發電 功率建模與預測》全面繫統地介紹了風力發電的特點 、數值天氣預報模型及預報模式， 以及風力發電功率預測的重要性、誤差評價指標、理 論基礎、方法、誤差分 析及應用，從超短期預測、短期預測、中期預測、預 測誤差分布不同角度應 用不同的預測模型進行了仿真實例分析，同時給出了 一套集成化風力發電功 率預測繫統。 本書可供研究院所和高等院校從事新能源研究領 域的人員閱讀，也可供 高等院校電氣工程專業的研究生參考。

前言
第1章 風力發電及風力發電功率預測
1.1 風力發電概述
1.2 風力發電特性
1.2.1 風力發電的特點
1.2.2 風機的風速-功率曲線
1.2.3 影響風電場輸出功率的地理因素
1.3 NWP介紹
1.3.1 NWP模型
1.3.2 中尺度氣像預報模式
1.3.3 常用的NWP模式
1.4 風力發電功率預測方法
1.4.1 按預測時間尺度劃分
1.4.2 按預測的物理量劃分
1.4.3 按預測範圍劃分
1.4.4 按預測模型劃分
1.5 風力發電功率預測的發展
1.5.1 國外對風力發電功率預測的研究
1.5.2 **對風力發電功率預測的研究
1.6 風力發電功率預測誤差及評價指標
1.6.1 預測誤差來源
1.6.2 預測誤差分析意義
1.6.3 常用誤差評價指標
1.7 本章小結
參考文獻
第2章 風力發電功率預測理論基礎
2.1 時間序列法
2.1.1 時間序列簡介
2.1.2 時間序列分析相關概念
2.1.3 時間序列模型定階
2.1.4 時間序列模型參數估計
2.1.5 ARMA模型的建立
2.2 神經網絡
2.1.1 神經網絡簡介
2.2.2 人工神經元模型
2.2.3 神經網絡拓撲結構
2.2.4 神經網絡的學習
2.2.5 神經網絡建模過程
2.2.6 BP網絡模型
2.2.7 RBF網絡模型
2.3 支持向量機
2.3.1 機器學習的基本問題
2.3.2 統計學習理論
2.3.3 結構風險*小化原則
2.3.4 支持向量機理論
2.4 信號分解
2.4.1 小波變換及其理論
2.4.2 經驗模式分解及其理論
2.5 混沌理論與相空間重構
2.5.1 混沌時間序列
2.5.2 混沌基本概念
2.5.3 混沌繫統的判定
2.5.4 相空間重構與Takens嵌入定理
2.5.5 時間延遲和嵌入維數的選取
2.6 本章小結
參考文獻
第3章 風力發電功率的超短期預測
3.1 本章仿真數據描述
3.2 風力發電功率預測的時間序列法
3.2.1 基於ARMA的風力發電功率預測模型及仿真實例
3.2.2 基於多種定階方法的ARMA組合優化預測模型及仿真實例
3.2.3 風力發電功率預測的噪聲場合下的ARMA模型
3.3 風力發電功率預測的相空間重構法
3.3.1 風力發電功率時間序列的混沌屬性
3.3.2 基於相空間重構的神經網絡模型結構
3.3.3 基於相空間重構的神經網絡模型的建立
3.3.4 仿真實例分析
3.3.5 基於相空間重構的支持向量機模型結構
3.3.6 仿真實例分析
3.4 風力發電功率預測的信號分解法
3.4.1 小波-神經網絡模型及仿真實例
3.4.2 經驗模式-神經網絡模型及仿真實例
3.4.3 各種模型的對比分析
3.5 多模型組合預測
3.5.1 問題提出
3.5.2 多個模型組合方式
3.5.3 基於多嵌入維數的神經網絡集成模型結構
3.5.4 仿真實例及分析
3.6 本章小結
參考文獻
第4章 風力發電功率的短期預測
4.1 本章仿真數據描述
4.2 基於單位置NWP的神經網絡風力發電功率預測
4.2.1 NWP信息與風力發電功率的關繫
4.2.2 預測模型結構
4.2.3 仿真實例
4.3 基於聚類分析的風力發電功率預測
4.3.1 風力發電功率的日相似性分析
4.3.2 聚類分析的基本原理
4.3.3 預測模型結構
4.3.4 仿真實例
4.4 基於多位置NWP粗糙集約簡的風力發電功率預測
4.4.1 粗糙集理論
4.4.2 基於多位置NWP粗糙集約簡的預測模型
4.4.3 仿真實例
4.5 基於多位置NWP主成分分析的風力發電功率預測
4.5.1 主成分分析的原理
4.5.2 預測模型結構
4.5.3 仿真實例
4.6 本章小結
參考文獻
第5章 風力發電功率的中期預測
5.1 本章仿真數據描述
5.2 基於氣像信息約簡的粗糙集神經網絡中期預測
5.2.1 基於粗糙集約簡的中期風速預測模型
5.2.2 基於粗糙集方法的風力發電功率預測影響因素約簡
5.2.3 粗糙集神經網絡預測模型建模
5.2.4 風速預測仿真結果分析
5.2.5 月平均風速和風力發電量的關繫
5.3 基於灰色理論的月發電量預測
5.4 多模型組合預測
5.5 本章小結
參考文獻
第6章 集成化風力發電功率預測繫統
6.1 繫統設計需求
6.1.1 電網需求
6.1.2 風電場需求
6.1.3 技術開發需求
6.2 集成化風力發電功率預測繫統設計方案
6.2.1 繫統軟件組成
6.2.2 繫統硬件設計
6.2.3 繫統軟件設計
6.2.4 繫統軟件開發環境介紹
6.3 集成化風力發電功率預測繫統功能
6.3.1 數據采集功能
6.3.2 數據處理功能
6.3.3 數據統計功能
6.3.4 預測功能
6.3.5 界面顯示功能
6.3.6 輸出功能
6.4 集成化風力發電功率預測繫統交互界面
6.4.1 繫統登錄界面
6.4.2 預測繫統界面
6.4.3 實時數據監測界面
6.4.4 氣像數據查詢
6.4.5 功率數據查詢
6.4.6 繫統運行監控
6.5 本章小結
參考文獻
第7章 風力發電功率預測的應用
7.1 風力發電功率預測誤差分析
7.1.1 風力發電功率預測誤差的存在形式
7.1.2 風力發電功率預測誤差產生的原因
7.1.3 風力發電預測誤差分布
7.2 風力發電預測對繫統備用容量的影響
7.2.1 電力繫統可靠性指標
7.2.2 繫統備用容量的計算
7.3 考慮預測誤差分布的繫統儲能容量配置實例
7.3.1 風力發電功率預測誤差分布分析
7.3.2 繫統儲能配置
7.4 本章小結
參考文獻