| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1.绪论 | 第10-18页 |
| 1.1 课题背景 | 第10-11页 |
| 1.1.1 风电技术的发展趋势 | 第10-11页 |
| 1.2 国内外风电发展 | 第11-14页 |
| 1.2.1 风电发展概况 | 第11-13页 |
| 1.2.2 电预测技术概述 | 第13-14页 |
| 1.3 风电场风速预测的概念 | 第14页 |
| 1.4 风速预测方法 | 第14-15页 |
| 1.5 风速预测的意义 | 第15-16页 |
| 1.6 本文研究的主要内容 | 第16-17页 |
| 1.7 本章小结 | 第17-18页 |
| 2 BP神经网络在风速预测中的应用与仿真 | 第18-31页 |
| 2.1 人工神经网络的历史 | 第18-19页 |
| 2.2 人工神经网络的数学模型 | 第19-21页 |
| 2.2.1 人工神经元 | 第19-21页 |
| 2.3 BP神经网络 | 第21-25页 |
| 2.4 基于BP神经网络的风速短期预测 | 第25-29页 |
| 2.4.1 BP神经网络风速预测模型的建立 | 第25-26页 |
| 2.4.2 BP神经网络风速预测模型的数学描述 | 第26-27页 |
| 2.4.3 仿真及误差分析 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 广义回归神经网络在风速预测中的应用及仿真 | 第31-37页 |
| 3.1 广义回归神经网络(GRNN) | 第31页 |
| 3.2 GRNN神经网络风速预测模型的建立 | 第31-33页 |
| 3.3 GRNN的具体数学模型推导 | 第33-34页 |
| 3.4 本章小结 | 第34-37页 |
| 4.粒子群算法改进的GRNN神经网络在风速预测中的应用与仿真 | 第37-53页 |
| 4.1 粒子群算法的提出 | 第37-38页 |
| 4.2 粒子群算法的基本概念及进化方程 | 第38-40页 |
| 4.2.1 算法流程 | 第40页 |
| 4.3 基于粒子群算法的GRNN神经网络 | 第40-47页 |
| 4.3.1 粒子群的相关仿真程序 | 第43-47页 |
| 4.4 误差分析 | 第47-49页 |
| 4.5 小样本数据模式仿真实验 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简历 | 第58-59页 |
| 学位论文数据集 | 第59-60页 |