| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 风力发电发展现状 | 第9-10页 |
| 1.2 课题的提出背景 | 第10-11页 |
| 1.3 本课题的研究意义 | 第11-12页 |
| 1.4 本文的主要工作 | 第12-13页 |
| 第2章 风速预测分析 | 第13-20页 |
| 2.1 风速基本知识及其分布特征 | 第13-15页 |
| 2.1.1 风速的形成 | 第13页 |
| 2.1.2 风速的分布特性 | 第13-15页 |
| 2.2 风电特性及风速预测分类 | 第15-18页 |
| 2.2.1 风力发电特点 | 第15-16页 |
| 2.2.2 风速与功率关系 | 第16-17页 |
| 2.2.3 风速预测分类 | 第17-18页 |
| 2.3 风速预测效果评价标准 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于时间序列的风速预测研究 | 第20-28页 |
| 3.1 时间序列特征分析 | 第20-21页 |
| 3.2 平稳时间序列及其模型 | 第21-22页 |
| 3.3 非平稳时间序列及其模型 | 第22-23页 |
| 3.4 基于ARIMA模型的风速预测方法 | 第23-26页 |
| 3.5 本章小结 | 第26-28页 |
| 第4章 神经网络算法研究 | 第28-41页 |
| 4.1 神经网络基础 | 第28-34页 |
| 4.1.1 人工神经元模型 | 第28-32页 |
| 4.1.2 神经网络的分类及学习规则 | 第32-33页 |
| 4.1.3 神经网络的特征与优点 | 第33页 |
| 4.1.4 神经网络的性能指标 | 第33-34页 |
| 4.2 BP神经网络 | 第34-36页 |
| 4.3 Elman神经网络 | 第36-38页 |
| 4.3.1 网络结构 | 第36-37页 |
| 4.3.2 Elman神经网络算法 | 第37-38页 |
| 4.4 改进Elman神经网络算法 | 第38-39页 |
| 4.5 样本的选取 | 第39页 |
| 4.6 本章小结 | 第39-41页 |
| 第5章 基于组合模型的风电场短期风速预测 | 第41-50页 |
| 5.1 组合预测概述 | 第41页 |
| 5.2 ARIMA-Elman神经网络组合模型预测风速 | 第41-47页 |
| 5.2.1 组合模型原理 | 第41-42页 |
| 5.2.2 样本数据分析 | 第42-43页 |
| 5.2.3 ARIMA模型初步预测风速 | 第43-46页 |
| 5.2.4 改进Elman神经网络修正ARIMA预测误差 | 第46-47页 |
| 5.3 仿真结果及分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57页 |