| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·论文的研究背景 | 第9-12页 |
| ·论文的研究意义 | 第12-13页 |
| ·短期风电功率预测研究现状 | 第13-16页 |
| ·国外研究现状 | 第13-15页 |
| ·国内研究现状 | 第15-16页 |
| ·本文完成的主要工作 | 第16-18页 |
| 第二章 短期风电功率预测 | 第18-29页 |
| ·短期风电功率预测基本原理 | 第18-20页 |
| ·物理方法原理 | 第19-20页 |
| ·统计方法原理 | 第20页 |
| ·短期风电功率预测一般流程 | 第20-21页 |
| ·短期风电功率预测关键技术 | 第21-28页 |
| ·数值天气预报技术 | 第22-23页 |
| ·数据预处理技术 | 第23-27页 |
| ·建模及模型训练技术 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 短期风电功率预测建模 | 第29-47页 |
| ·人工神经网络 | 第29-37页 |
| ·BP 神经网络 | 第31-34页 |
| ·RBF 神经网络 | 第34-35页 |
| ·GRNN 神经网络 | 第35-37页 |
| ·支持向量机 | 第37-44页 |
| ·支持向量机基础 | 第37-40页 |
| ·非线性支持向量回归机 | 第40-44页 |
| ·人工神经网络及支持向量机建模对比 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于 EMD 做数据预处理的短期风电功率预测研究 | 第47-62页 |
| ·EMD 原理及流程 | 第47-49页 |
| ·基于 EMD 做历史数据预处理的预测方法 | 第49-53页 |
| ·IOWA 加权 | 第51-52页 |
| ·改进 IOWA 加权策略 | 第52-53页 |
| ·建模仿真分析 | 第53-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 短期风电功率预测系统的应用 | 第62-69页 |
| ·需求分析 | 第62-64页 |
| ·电网需求 | 第62-63页 |
| ·风电场需求 | 第63-64页 |
| ·技术开发需求 | 第64页 |
| ·系统展示 | 第64-67页 |
| ·精度统计 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 附录一 用于 BP 建模的 matlab 源代码 | 第74-76页 |
| 附录二 用于 IOWA 加权的 matlab 源代码 | 第76-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |