智能神经网络在大型风电场短期功率预测中的应用
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景 | 第11-14页 |
| ·风电场功率预测的研究现状 | 第14-15页 |
| ·国外研究现状 | 第14-15页 |
| ·国内的研究现状 | 第15页 |
| ·研究目的和意义 | 第15-16页 |
| ·研究内容 | 第16-19页 |
| 2 基于改进BP神经网络的风电功率预测模型研究 | 第19-39页 |
| ·引言 | 第19页 |
| ·基于BP神经网络的风电功率预测模型 | 第19-26页 |
| ·改进的粒子群算法 | 第20-21页 |
| ·PSO算法优化后BP神经网络的模型与其预测步骤 | 第21-22页 |
| ·PSO算法模型 | 第22页 |
| ·相关参数的优化 | 第22-26页 |
| ·改进的自适应模拟退火遗传算法(IAGA) | 第26-31页 |
| ·基本思想 | 第27-28页 |
| ·建模与实现 | 第28-31页 |
| ·多扇区BP神经网络预测模型 | 第31-34页 |
| ·隐层数的确定 | 第32-34页 |
| ·预测结果及分析 | 第34-37页 |
| ·小结 | 第37-39页 |
| 3 扩展智能神经网络在风速/功率预测中的应用研究 | 第39-57页 |
| ·引言 | 第39页 |
| ·灰色神经网络 | 第39-44页 |
| ·灰色系统理论 | 第39-40页 |
| ·灰色神经网络 | 第40-44页 |
| ·小波神经网络 | 第44-50页 |
| ·广义回归神经网络 | 第50-53页 |
| ·GRNN的网络结构模型 | 第52页 |
| ·建立基于GRNN的预测模型 | 第52-53页 |
| ·预测结果及分析 | 第53-56页 |
| ·小结 | 第56-57页 |
| 4 可变权综合预测模型的研究 | 第57-65页 |
| ·引言 | 第57页 |
| ·基于可变权的综合预测模型 | 第57页 |
| ·基于可变权的综合预测模型 | 第57-60页 |
| ·可变权模型的构建 | 第58页 |
| ·权重矩阵G的求解 | 第58-60页 |
| ·预测结果及分析 | 第60-64页 |
| ·小结 | 第64-65页 |
| 5 风机的风速-功率曲线拟合研究 | 第65-69页 |
| ·风速功率曲线拟合的必要性 | 第65页 |
| ·风机的功率曲线研究 | 第65-66页 |
| ·计算分析功率曲线保证值 | 第66-67页 |
| ·结果分析研究 | 第67-68页 |
| ·小结 | 第68-69页 |
| 6 风电功率预测系统的软件设计 | 第69-75页 |
| ·风电功率预测系统的软件的实现 | 第69-74页 |
| ·预测主模块 | 第70-71页 |
| ·部分预测分模块 | 第71-74页 |
| ·小结 | 第74-75页 |
| 7 结论与展望 | 第75-77页 |
| ·结论 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 作者简历 | 第81-85页 |
| 学位论文数据集 | 第85页 |
