基于多目标鲸鱼优化算法和Elman神经网络的短期风速预测模型的研究与应用
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 选题背景与研究意义 | 第9-13页 |
| 1.1.1 选题研究背景 | 第9-11页 |
| 1.1.2 选题研究意义 | 第11-13页 |
| 1.2 我国风能资源及风力发展概况 | 第13-16页 |
| 1.3 本文的创新与不足 | 第16-17页 |
| 1.4 本文的主要工作和章节安排 | 第17-18页 |
| 2 风速预测研究现状 | 第18-25页 |
| 2.1 基于时间尺度的风速预测研究现状 | 第18-19页 |
| 2.2 基于预测模型的风速预测研究现状 | 第19-23页 |
| 2.3 预测模型评价指标的研究现状 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 相关理论概述 | 第25-44页 |
| 3.1 模态分解相关理论 | 第25-29页 |
| 3.1.1 集合经验模态分解 | 第26-27页 |
| 3.1.2 互补集合经验模态分解 | 第27-29页 |
| 3.2 Elman神经网络 | 第29-31页 |
| 3.2.1 神经网络原理 | 第29页 |
| 3.2.2 神经网络分类概述 | 第29页 |
| 3.2.3 Elman神经网络结构及学习过程 | 第29-31页 |
| 3.3 鲸鱼优化算法 | 第31-40页 |
| 3.3.1 优化算法简介 | 第31-33页 |
| 3.3.2 单目标鲸鱼优化算法(WOA) | 第33-37页 |
| 3.3.3 多目标鲸鱼优化算法(MOWOA) | 第37-40页 |
| 3.5 MOWOA-ENN模型 | 第40-42页 |
| 3.6 假设检验—DM检验 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 4 风电场风速预测的实验设计 | 第44-51页 |
| 4.1 实验数据描述 | 第44-46页 |
| 4.2 预测模型评价指标 | 第46-48页 |
| 4.3 实验设计思路 | 第48-49页 |
| 4.4 模型预测步骤 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 实验仿真与结果分析 | 第51-70页 |
| 5.1 实验一:算法测试与季节风速预测 | 第51-59页 |
| 5.1.1 单目标优化算法测试 | 第51-54页 |
| 5.1.2 多目标优化算法测试 | 第54-57页 |
| 5.1.3 不同季节风速预测 | 第57-59页 |
| 5.2 实验二: 不同站点风速预测 | 第59-62页 |
| 5.3 实验三: 不同预测模型对比 | 第62-65页 |
| 5.4 实验四: 多步风速预测 | 第65-67页 |
| 5.5 DM检验 | 第67-68页 |
| 5.6 本章小结 | 第68-70页 |
| 6 结论与展望 | 第70-72页 |
| 在学期间发表的科研成果 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 后记 | 第79-80页 |
