基于风速预估的风力发电控制系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·本文研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·风力发电系统发展概况 | 第10-11页 |
| ·变速恒频风力发电系统的研究现状 | 第11-12页 |
| ·风力发电控制方案研究现状 | 第12-13页 |
| ·论文研究的主要内容 | 第13-15页 |
| 第2章 双馈感应风力发电机工作原理及控制策略 | 第15-26页 |
| ·双馈感应风力发电机系统的基本结构 | 第15-16页 |
| ·双馈异步风力发电机数学模型 | 第16-20页 |
| ·三相静止坐标系下的数学模型 | 第16-19页 |
| ·两相旋转坐标系下的数学模型 | 第19-20页 |
| ·双馈风力发电机控制策略 | 第20-25页 |
| ·基于定子磁链定向的转子侧控制策略 | 第20-23页 |
| ·基于电网电压定向下电网侧控制策略 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于支持向量机的风速预估算法 | 第26-41页 |
| ·基于风速预估的最大风能追踪原理 | 第26-29页 |
| ·最大风能追踪原理简介 | 第26-27页 |
| ·神经网络风速预估算法原理 | 第27-29页 |
| ·支持向量机（SVM） | 第29-35页 |
| ·理论基础 | 第30-31页 |
| ·线性分类问题 | 第31-34页 |
| ·非线性分类问题 | 第34-35页 |
| ·支持向量机网络结构 | 第35页 |
| ·支持向量机分类算法在风力预测中的应用 | 第35-40页 |
| ·LIBSVM 工具箱 | 第36页 |
| ·样本数据选取 | 第36-37页 |
| ·数据预处理 | 第37-38页 |
| ·SVM 训练与预测 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于参数优化的支持向量机改进算法 | 第41-50页 |
| ·交叉验证参数寻优法 | 第41-43页 |
| ·粒子群优化算法参数寻优 | 第43-49页 |
| ·粒子群优化算法原理 | 第43-44页 |
| ·微粒群算法的社会行为分析 | 第44-45页 |
| ·基本PSO 算法流程 | 第45-46页 |
| ·两种基本的进化模型 | 第46页 |
| ·带惯性权重的PSO 算法 | 第46-47页 |
| ·仿真验证及结论 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 基于风速预估的双馈风力发电系统仿真 | 第50-60页 |
| ·整体系统仿真模型 | 第50-53页 |
| ·风力发电系统外部模型 | 第50页 |
| ·风力发电系统内部模型 | 第50-53页 |
| ·系统仿真结果及分析 | 第53-59页 |
| ·恒风速下的系统仿真试验 | 第54-56页 |
| ·风速突变下的系统仿真验证 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
