短期风速预测的改进方法及在电力系统优化调度中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 风电场的风速预测 | 第11-13页 |
| 1.2.2 电力系统的经济调度 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 基于支持向量机的风速预测 | 第16-32页 |
| 2.1 统计学习理论概述 | 第16-20页 |
| 2.1.1 机器学习算法 | 第16-18页 |
| 2.1.2 VC维的定义 | 第18-19页 |
| 2.1.3 结构风险最小化原则 | 第19-20页 |
| 2.2 支持向量机理论 | 第20-26页 |
| 2.2.1 最优超平面 | 第20-21页 |
| 2.2.2 核函数 | 第21-22页 |
| 2.2.3 支持向量机模型 | 第22-25页 |
| 2.2.4 支持向量机的参数分析 | 第25-26页 |
| 2.3 基于支持向量机的风速预测 | 第26-31页 |
| 2.3.1 支持向量机的风速预测模型 | 第26-28页 |
| 2.3.2 预测误差分析 | 第28页 |
| 2.3.3 算例仿真 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 风速预测的方法改进 | 第32-42页 |
| 3.1 对风速突变点的分析和修正 | 第32-33页 |
| 3.2 采用归纳置信机修正风速预测 | 第33-38页 |
| 3.2.1 随机性检验 | 第34-35页 |
| 3.2.2 采用归纳置信机的修正方法 | 第35-37页 |
| 3.2.3 算例仿真 | 第37-38页 |
| 3.3 风速向功率的转化 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 利用风速预测结果的优化调度 | 第42-59页 |
| 4.1 基本粒子群算法 | 第42-46页 |
| 4.1.1 粒子群算法的数学模型 | 第42-43页 |
| 4.1.2 粒子群算法的流程 | 第43-45页 |
| 4.1.3 粒子群算法的参数分析 | 第45-46页 |
| 4.2 自适应的交替捕食策略 | 第46-47页 |
| 4.2.1 自适应的改进 | 第46页 |
| 4.2.2 交替捕食策略 | 第46-47页 |
| 4.3 优化火力发电机出力 | 第47-49页 |
| 4.3.1 目标函数 | 第48页 |
| 4.3.2 约束条件 | 第48-49页 |
| 4.4 算例仿真 | 第49-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67页 |
