首页--工业技术论文--电工技术论文--电机论文--发电机、大型发电机组(总论)论文--风力发电机论文

基于相似时段聚类的风电功率短期预测算法

摘要第5-6页
Abstract第6页
第1章 绪论第10-17页
    1.1 研究背景与意义第10-11页
    1.2 风电功率预测研究进展第11-15页
        1.2.1 风电功率预测分类第11-12页
        1.2.2 国内外研究现状第12-15页
    1.3 论文主要工作第15-16页
    1.4 论文章节组织第16-17页
第2章 相似时段理论第17-25页
    2.1 引言第17页
    2.2 相似性分析第17-23页
        2.2.1 当前风速对功率的影响第17-19页
        2.2.2 连续时段气象因素对功率的影响第19-23页
    2.3 相似时段的定义及衡量标准第23-24页
    2.4 本章总结第24-25页
第3章 基于相似时段的GA-ELMAN风电功率预测模型第25-39页
    3.1 引言第25页
    3.2 ELMAN神经网络第25-27页
        3.2.1 网络结构第25-26页
        3.2.2 算法流程第26-27页
    3.3 GA-ELMAN神经网络第27-30页
        3.3.1 遗传算法第27-28页
        3.3.2 遗传算法优化ELMAN神经网络过程第28-30页
    3.4 基于相似时段的GA-ELMAN预测模型第30-34页
        3.4.1 构造聚类样本数据第30-31页
        3.4.2 样本数据聚类第31-33页
        3.4.3 基准时段分类第33页
        3.4.4 预测流程第33-34页
    3.5 实验结果评价第34-38页
        3.5.1 网络模型参数的选取第34-35页
        3.5.2 遗传算法参数的选取第35-36页
        3.5.3 评价指标第36-37页
        3.5.4 ELMAN与GA-ELMAN对比第37页
        3.5.5 与相似日预测算法的对比分析第37-38页
    3.6 本章小结第38-39页
第4章 基于SVM和GA-ELMAN组合预测模型第39-47页
    4.1 引言第39页
    4.2 基于支持向量机的风电功率预测第39-41页
        4.2.1 支持向量机理论第39-40页
        4.2.2 基于支持向量机的风功率预测模型第40-41页
    4.3 组合预测模型的建立过程第41-42页
        4.3.1 基于协方差优选组合模型第41-42页
        4.3.2 基于误差占优组合模型第42页
    4.4 实验结果分析第42-45页
    4.5 本章小结第45-47页
第5章 结论与展望第47-49页
    5.1 本文工作总结第47页
    5.2 未来工作及展望第47-49页
参考文献第49-53页
攻读硕士学位期间发表的论文及其它成果第53-54页
致谢第54页

论文共54页,点击 下载论文
上一篇:村镇生活垃圾热解气化特性的实验研究与工艺设计
下一篇:拉萨河流域水化学特征及水体重金属源解析