| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11-14页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题的研究目的与意义 | 第12-14页 |
| 1.2 课题研究的发展现状及存在问题 | 第14-16页 |
| 1.2.1 风电功率预测研究现状 | 第14-16页 |
| 1.2.1.1 风电功率预测系统 | 第14-15页 |
| 1.2.1.2 风电功率预测方法 | 第15-16页 |
| 1.2.2 风电功率预测存在问题 | 第16页 |
| 1.3 本文主要工作 | 第16-18页 |
| 第2章 数据特征量及分析方法 | 第18-33页 |
| 2.1 风电场风速分布特征及采样互相关函数 | 第18-20页 |
| 2.1.1 风电场风速空间分布特征 | 第18-19页 |
| 2.1.2 采样互相关函数 | 第19-20页 |
| 2.2 影响因素重要性特征及粗糙集理论 | 第20-28页 |
| 2.2.1 影响因素重要性特征 | 第20-21页 |
| 2.2.2 经典粗糙集理论 | 第21-25页 |
| 2.2.2.1 知识与知识库 | 第21-23页 |
| 2.2.2.2 知识表达与决策表 | 第23页 |
| 2.2.2.3 属性约简 | 第23-25页 |
| 2.2.3 模糊粗糙集 | 第25-26页 |
| 2.2.4 模糊粗糙集示例 | 第26-28页 |
| 2.3 样本相似性特征及聚类方法 | 第28-31页 |
| 2.3.1 样本相似性特征 | 第28-29页 |
| 2.3.2 聚类方法 | 第29-31页 |
| 2.3.2.1 聚类数据结构 | 第29-30页 |
| 2.3.2.2 差异性的度量 | 第30页 |
| 2.3.2.3 k-means 算法 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 风电场风速分布特征对风电功率预测的影响 | 第33-42页 |
| 3.1 基于风速分布特征的风电功率预测模型 | 第33-37页 |
| 3.1.1 RBF 神经网络 | 第33-36页 |
| 3.1.2 基于 SCCF 的机组分组建模方法 | 第36页 |
| 3.1.3 基于风速分布特征的预测模型 | 第36-37页 |
| 3.2 案例分析 | 第37-41页 |
| 3.2.1 沿海地区案例分析 | 第38-39页 |
| 3.2.2 内陆地区案例分析 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 基于模糊粗糙集和改进聚类的预测方法 | 第42-54页 |
| 4.1 基于模糊粗糙集的影响风速因素约简算法 | 第42-43页 |
| 4.2 基于加权欧氏距离的改进距离方法 | 第43-44页 |
| 4.2.1 传统聚类的不足与改进 | 第43-44页 |
| 4.2.2 基于改进聚类的样本选择算法 | 第44页 |
| 4.3 基于模糊粗糙集和改进聚类的预测模型 | 第44-45页 |
| 4.4 案例计算与分析 | 第45-53页 |
| 4.4.1 影响风电功率的因素分析 | 第46-47页 |
| 4.4.2 影响因素隶属度函数的确定 | 第47-48页 |
| 4.4.3 模型输入变量的属性约简 | 第48-50页 |
| 4.4.4 基于改进聚类的训练样本选择 | 第50-51页 |
| 4.4.4.1 选定数据分析对象及各属性的权值系数 | 第50-51页 |
| 4.4.4.2 基于改进聚类样本选择分析 | 第51页 |
| 4.4.5 结果对比分析 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 结论及展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 发表的学术论文 | 第59页 |
| 申请的发明专利 | 第59-60页 |
| 攻读硕士学位期间参与的科研项目 | 第60-61页 |
| 致谢 | 第61页 |