| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 风电发展现状 | 第10-12页 |
| 1.2 风电功率预测发展现状 | 第12-13页 |
| 1.3 风电功率的统计特性研究现状 | 第13-15页 |
| 1.4 本文主要工作 | 第15-16页 |
| 第2章 基于误差修正的LS-SVM风功率预测模型 | 第16-24页 |
| 2.1 基于误差修正的最小二乘支持向量机风功率预测模型 | 第16-19页 |
| 2.1.1 最小二乘支持向量机算法 | 第16-18页 |
| 2.1.2 误差修正模型 | 第18-19页 |
| 2.2 误差修正的风功率预测模型 | 第19-23页 |
| 2.2.1 风场数据 | 第19页 |
| 2.2.2 训练集和测试集 | 第19-20页 |
| 2.2.3 误差修正的LS-SVM风功率预测 | 第20-21页 |
| 2.2.4 风功率预测结果及误差分析 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于Lorenz扰动的神经网络风速预测模型 | 第24-32页 |
| 3.1 大气动力系统 | 第24-26页 |
| 3.2 基于Lorenz扰动的神经网络风速预测模型 | 第26-31页 |
| 3.2.1 风场数据 | 第26页 |
| 3.2.2 Lorenz扰动的神经网络风速预测 | 第26-28页 |
| 3.2.3 风速的预测结果及误差分析 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 初始值不同的Lorenz方程对风速预测的扰动作用 | 第32-41页 |
| 4.1 初始值不同的Lorenz系统 | 第32-33页 |
| 4.2 基于初始值不同的Lorenz扰动风速预测模型 | 第33-39页 |
| 4.2.1 风场数据 | 第33-34页 |
| 4.2.2 小波—时间序列(W-ARMA)风速预测模型 | 第34-35页 |
| 4.2.3 Lorenz扰动的小波—时间序列(W-ARMA)风速预测模型 | 第35-38页 |
| 4.2.4 风速的预测结果和误差分析 | 第38-39页 |
| 4.3 本章小结 | 第39-41页 |
| 第5章 基于主成分分析的Lorenz扰动风速预测模型 | 第41-49页 |
| 5.1 风场数据 | 第41-42页 |
| 5.2 风速影响因素的主成分模型 | 第42-43页 |
| 5.3 基于主成分分析的Lorenz扰动风速预测模型 | 第43-45页 |
| 5.4 风速的预测结果及误差分析 | 第45-48页 |
| 5.4.1 最优扰动系数和扰动序列 | 第45-46页 |
| 5.4.2 风速预测模型的误差分析 | 第46-47页 |
| 5.4.3 风速的预测结果 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-52页 |
| 6.1 本文的工作重点 | 第49-51页 |
| 6.2 本文工作的主要创新点 | 第51页 |
| 6.3 风电功率预测的研究展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的学术成果 | 第57-58页 |
| 学术论文 | 第57页 |
| 发明专利 | 第57-58页 |
| 攻读硕士学位期间参加的科研工作 | 第58-59页 |
| 致谢 | 第59页 |
