| 摘要 | 第1-4页 |
| Abstract | 第4-11页 |
| 第1章 绪论 | 第11-23页 |
| ·引言 | 第11-13页 |
| ·风电功率预测研究现状 | 第13-18页 |
| ·光伏发电功率预测研究现状 | 第18-20页 |
| ·本文研究目的及主要内容 | 第20-21页 |
| ·本文章节安排 | 第21-23页 |
| 第2章 经验模态分解基本理论 | 第23-30页 |
| ·传统信号分析方法及其局限性 | 第23-25页 |
| ·短时傅立叶变换 | 第23-24页 |
| ·小波分解 | 第24页 |
| ·Winger-Ville分布 | 第24-25页 |
| ·进化谱理论 | 第25页 |
| ·经验模态分解理论基本概念 | 第25-28页 |
| ·瞬时速率 | 第26-27页 |
| ·本征模函数 | 第27-28页 |
| ·经验模态分解步骤 | 第28-30页 |
| 第3章 径向基函数神经网络及BP神经网络原理 | 第30-51页 |
| ·径向基函数神经网络 | 第30-41页 |
| ·径向基函数神经网络结构 | 第30-32页 |
| ·RBF神经网络的数学基础 | 第32-34页 |
| ·RBF网络的常用学习算法 | 第34-38页 |
| ·RBF网络学习算法优化 | 第38-41页 |
| ·BP神经网络 | 第41-51页 |
| ·BP神经网络结构 | 第41-43页 |
| ·反向传播算法基本原理 | 第43-45页 |
| ·基于自适应遗传算法的BP神经网络 | 第45-51页 |
| 第4章 短期风电功率预测 | 第51-67页 |
| ·风电功率预测方法 | 第51-55页 |
| ·输入数据预处理 | 第52-54页 |
| ·风电功率信号的经验模态分解 | 第54-55页 |
| ·构建RBF神经网络预测模型 | 第55-59页 |
| ·预测模型网络结构 | 第56-58页 |
| ·预测模型的训练算法 | 第58-59页 |
| ·应用实例 | 第59-66页 |
| ·小结 | 第66-67页 |
| 第5章 短期光伏发电功率预测 | 第67-86页 |
| ·光伏发电功率预测方法 | 第67-68页 |
| ·发电功率与气象参数预处理 | 第68-71页 |
| ·预测模型输入数据规范化处理 | 第68-69页 |
| ·剔除异常数据 | 第69-70页 |
| ·提取特征子集 | 第70-71页 |
| ·光伏发电功率信号的经验模态分解 | 第71-72页 |
| ·构建基于BP神经网络和遗传算法的短期光伏发电预测模型 | 第72-80页 |
| ·BP神经网络预测模型网络结构 | 第75-76页 |
| ·基于自适应遗传算法的网络训练算法 | 第76-80页 |
| ·应用实例 | 第80-85页 |
| ·小结 | 第85-86页 |
| 第6章 总结与展望 | 第86-88页 |
| 参考文献 | 第88-95页 |
| 攻读硕士学位期间主要的研究成果 | 第95-97页 |
| 致谢 | 第97页 |