| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题来源 | 第10-11页 |
| 1.2 课题背景研究意义 | 第11-13页 |
| 1.3 风电场功率预测的不同分类类型 | 第13-17页 |
| 1.4 风电场短期功率预测的研究现状 | 第17-20页 |
| 1.4.1 国外风电功率预测研究现状 | 第17-19页 |
| 1.4.2 国内风电功率预测研究现状 | 第19-20页 |
| 1.5 本论文的研究工作 | 第20-22页 |
| 第2章 基于改进人工蜂群的时间序列法风功率预测 | 第22-40页 |
| 2.1 引言 | 第22-23页 |
| 2.2 人工蜂群及其改进算法 | 第23-26页 |
| 2.3 基于改进人工蜂群的时间序列法模型 | 第26-33页 |
| 2.3.1 时间序列法原理 | 第26-27页 |
| 2.3.2 时间序列建立风功率预测模型过程 | 第27-31页 |
| 2.3.3 基于改进人工蜂群的时间序列法建立预测模型 | 第31-33页 |
| 2.4 算例分析 | 第33-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第3章 基于改进人工蜂群的BP神经网络法风功率预测 | 第40-50页 |
| 3.1 引言 | 第40-41页 |
| 3.2 基于改进人工蜂群的BP神经网络风功率预测模型 | 第41-48页 |
| 3.2.1 BP神经网络的应用原理 | 第41页 |
| 3.2.2 BP神经网络算法处理流程 | 第41-42页 |
| 3.2.3 BP神经网络的数学描述 | 第42-44页 |
| 3.2.4 BP神经网络的学习规则与计算方法 | 第44-45页 |
| 3.2.5 基于改进人工蜂群BP神经网络法建立预测模型 | 第45-48页 |
| 3.3 算例分析 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于改进人工蜂群的支持向量机法风功率预测 | 第50-60页 |
| 4.1 引言 | 第50-51页 |
| 4.2 基于改进人工蜂群的支持向量机预测模型 | 第51-57页 |
| 4.2.1 支持向量机的研究与应用 | 第51-53页 |
| 4.2.2 支持向量机回归算法 | 第53-55页 |
| 4.2.3 基于改进人工蜂群的支持向量机法建立预测模型 | 第55-57页 |
| 4.3 算例分析 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 分散式风电风功率预测软件开发 | 第60-76页 |
| 5.1 引言 | 第60页 |
| 5.2 分散式风电风功率预测软件功能概述 | 第60-62页 |
| 5.3 软件的预期性能指标分析 | 第62页 |
| 5.4 软件的总体结构描述 | 第62-64页 |
| 5.5 软件的开发环境及开发工具 | 第64-65页 |
| 5.6 分散式风电风功率预测软件界面介绍 | 第65-72页 |
| 5.7 分散式风电风功率预测软件对各种算法的比较分析 | 第72-75页 |
| 5.8 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士期间所做的工作及科研成果 | 第86页 |
