| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 论文的选题背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 风电功率预测研究现状 | 第11-12页 |
| 1.2.2 自适应分解预处理方法研究现状 | 第12-13页 |
| 1.2.3 多核学习方法研究现状 | 第13页 |
| 1.3 论文的主要研究内容 | 第13-15页 |
| 2 基于自适应分解的数据预处理方法 | 第15-24页 |
| 2.1 EMD方法 | 第15页 |
| 2.2 EWT方法 | 第15-18页 |
| 2.3 基于自适应分解的数据预处理方法对比 | 第18-23页 |
| 2.4 小结 | 第23-24页 |
| 3 多核学习方法 | 第24-37页 |
| 3.1 支持向量机 | 第24-27页 |
| 3.2 基于半无限线性规划的多核学习 | 第27-32页 |
| 3.2.1 MKL-wrapper算法 | 第30-31页 |
| 3.2.2 MKL-chunking算法 | 第31-32页 |
| 3.3 SimpleMKL | 第32-36页 |
| 3.4 小结 | 第36-37页 |
| 4 基于MKL方法的短期风电功率直接预测 | 第37-53页 |
| 4.1 风电功率直接预测模型 | 第37-38页 |
| 4.2 实验数据的选取 | 第38页 |
| 4.3 基于MKL方法在不同季节中的短期风电功率直接预测 | 第38-52页 |
| 4.3.1 基于MKL方法在春季短期风电功率直接预测中的应用 | 第38-44页 |
| 4.3.2 基于MKL方法在夏季短期风电功率直接预测中的应用 | 第44-46页 |
| 4.3.3 基于MKL方法在秋季短期风电功率直接预测中的应用 | 第46-49页 |
| 4.3.4 基于MKL方法在冬季短期风电功率直接预测中的应用 | 第49-52页 |
| 4.4 小结 | 第52-53页 |
| 5 基于MKL方法的短期风电功率间接预测 | 第53-65页 |
| 5.1 风电功率间接预测模型 | 第53页 |
| 5.2 实验数据的选取 | 第53页 |
| 5.3 “风速-功率”曲线 | 第53-57页 |
| 5.4 基于MKL方法的短期风速预测 | 第57-61页 |
| 5.5 基于MKL方法在短期风电功率间接预测中的应用 | 第61-63页 |
| 5.6 小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间的研究成果 | 第72页 |
