| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.1.1 风电发展现状 | 第7-9页 |
| 1.1.2 风功率超短期预测的背景与意义 | 第9页 |
| 1.2 风功率预测研究现状 | 第9-14页 |
| 1.3 课题主要研究内容及结构安排 | 第14-15页 |
| 2 风电相关特性与影响因素的分析 | 第15-21页 |
| 2.1 风电影响因素的分析 | 第15-19页 |
| 2.2 本章小结 | 第19-21页 |
| 3 基于不同算法的风功率超短期预测研究 | 第21-35页 |
| 3.1 BP神经网络算法在风功率超短期预测中的应用 | 第21-25页 |
| 3.1.1 BP神经网络算法原理 | 第21-23页 |
| 3.1.2 BP神经网络算法特点 | 第23页 |
| 3.1.3 基于BP神经网络算法的超短期风功率预测模型构建 | 第23-25页 |
| 3.2 支持向量机算法在风功率超短期预测中的应用 | 第25-29页 |
| 3.2.1 支持向量机算法原理 | 第25-28页 |
| 3.2.2 支持向量机算法特点 | 第28页 |
| 3.2.3 基于支持向量机算法的超短期风功率预测模型构建 | 第28-29页 |
| 3.3 相关向量机算法在风功率预测中的应用 | 第29-32页 |
| 3.3.1 相关向量机算法原理 | 第29-30页 |
| 3.3.2 相关向量机算法特点 | 第30-31页 |
| 3.3.3 基于相关向量机算法的超短期风功率预测模型构建 | 第31-32页 |
| 3.4 混合核函数的相关向量算法在风功率预测中的应用 | 第32-34页 |
| 3.4.1 混合核函数相关向量机算法原理 | 第32-33页 |
| 3.4.2 基于混合核函数相关向量机的超短期风功率预测模型构建 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 风功率超短期预测仿真试验 | 第35-57页 |
| 4.1 风功率预测数据预处理 | 第35页 |
| 4.2 风功率预测性能评价指标 | 第35-36页 |
| 4.3 风功率预测仿真实现与结果分析 | 第36-51页 |
| 4.3.1 算例介绍 | 第36-37页 |
| 4.3.2 BP神经网络算法实例 | 第37-38页 |
| 4.3.3 支持向量机算法实例 | 第38-40页 |
| 4.3.4 相关向量机算法实例 | 第40-43页 |
| 4.3.5 混合核函数相关向量机算法实例 | 第43-48页 |
| 4.3.6 风功率在线预测 | 第48-51页 |
| 4.3.7 仿真分析总结 | 第51页 |
| 4.4 风功率预测软件设计 | 第51-56页 |
| 4.4.1 图形用户界面基本介绍 | 第51-53页 |
| 4.4.2 基于图形用户界面的相关向量机风功率预测软件设计 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 总结展望 | 第57-59页 |
| 5.1 全文总结 | 第57页 |
| 5.2 下一步工作展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-64页 |
