基于云计算的风电场短期风功率预测方法的研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 国内外研究现状 | 第13-15页 |
| 1.2.2 风功率预测研究范围与分类 | 第15-16页 |
| 1.3 本文研究内容 | 第16页 |
| 1.4 行文结构 | 第16-18页 |
| 第二章 相关技术概论 | 第18-25页 |
| 2.1 云计算 | 第18-20页 |
| 2.1.1 云计算概述 | 第18-19页 |
| 2.1.2 Hadoop云平台 | 第19页 |
| 2.1.3 HDFS文件系统 | 第19-20页 |
| 2.2 Spark云计算技术 | 第20-24页 |
| 2.2.1 MapReduce概述 | 第20-21页 |
| 2.2.2 Spark概述 | 第21-23页 |
| 2.2.3 Spark与MapReduce的比较 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 短期风功率预测方法研究 | 第25-36页 |
| 3.1 风功率影响因素研究 | 第25-27页 |
| 3.2 短期风功率预测方法研究 | 第27-32页 |
| 3.2.1 时间序列预测模型 | 第27-29页 |
| 3.2.2 SVM预测模型 | 第29-30页 |
| 3.2.3 BP神经网络预测模型 | 第30-32页 |
| 3.3 组合预测模型方法研究 | 第32-35页 |
| 3.3.1 组合预测模型的意义 | 第32页 |
| 3.3.2 组合预测模型的方法 | 第32-33页 |
| 3.3.3 组合预测模型的选择 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于云计算的短期风功率预测研究 | 第36-56页 |
| 4.1 基于云计算的预测方法概述 | 第36-38页 |
| 4.2 短期风功率预测数据预处理 | 第38-40页 |
| 4.2.1 气象数据的预处理 | 第38-39页 |
| 4.2.2 历史数据的预处理 | 第39页 |
| 4.2.3 数据的归一化处理 | 第39-40页 |
| 4.3 基于云计算的预测方法的实现 | 第40-51页 |
| 4.3.1 搭建Hadoop平台 | 第40-42页 |
| 4.3.2 部署Spark平台 | 第42-44页 |
| 4.3.3 数据采集和预处理 | 第44-46页 |
| 4.3.4 预测模型算法实现 | 第46-48页 |
| 4.3.5 实验结果分析 | 第48-51页 |
| 4.4 实际应用 | 第51-55页 |
| 4.4.1 系统功能介绍 | 第52-53页 |
| 4.4.2 系统功能实现 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56-57页 |
| 5.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |
