| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 课题研究的目的与意义 | 第9-10页 |
| 1.3 风电功率预测研究现状 | 第10-12页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 风电功率预测的理论 | 第12-15页 |
| 1.4.1 风电功率预测的方法 | 第12-14页 |
| 1.4.2 风电功率预测的误差评价标准 | 第14-15页 |
| 1.5 本文的主要工作 | 第15-16页 |
| 第二章 混沌时间序列的理论 | 第16-33页 |
| 2.1 混沌的定义与特点 | 第16-17页 |
| 2.1.1 混沌的定义 | 第16-17页 |
| 2.1.2 混沌运动的特征 | 第17页 |
| 2.2 相空间重构理论 | 第17-20页 |
| 2.3 风电功率时间序列的混沌识别 | 第20-24页 |
| 2.3.1 混沌数据的判据 | 第20-22页 |
| 2.3.2 风电功率时间序列混沌性判定 | 第22-24页 |
| 2.4 同步挤压小波变换 | 第24-32页 |
| 2.4.1 基本理论 | 第24-29页 |
| 2.4.2 风电功率时间序列的 SST 变换 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于 SST-RBF 神经网络的风电功率预测 | 第33-43页 |
| 3.1 RBF 神经网络模型 | 第33-35页 |
| 3.2 RBF 算法 | 第35-38页 |
| 3.3 RBF 神经网络的参数优化 | 第38页 |
| 3.4 SST-RBF 神经网络风电功率预测 | 第38-42页 |
| 3.4.1 SST-RBF 神经网络的混沌预测 | 第38-39页 |
| 3.4.2 数据预处理 | 第39页 |
| 3.4.3 样本的选择及归一化处理 | 第39-40页 |
| 3.4.4 SST 各分量的预测 | 第40-41页 |
| 3.4.5 实验分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于 SST-ESN 神经网络的风电功率预测 | 第43-52页 |
| 4.1 SST 变换 | 第43页 |
| 4.2 回声状态神经网络 | 第43-48页 |
| 4.2.1 回升状态网络的结构 | 第43-46页 |
| 4.2.2 ESN 网络模型构造 | 第46-47页 |
| 4.2.3 ESN 网络的关键参数 | 第47-48页 |
| 4.3 SST-ESN 神经网络 | 第48-49页 |
| 4.4 实验分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 论文的工作总结 | 第52页 |
| 5.2 课题展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录1 攻读硕士学位期间发表的论文 | 第59页 |