| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国内外风功率预测现状 | 第11-12页 |
| 1.2.2 风功率预测的分类 | 第12页 |
| 1.3 国内外研究方法 | 第12-13页 |
| 1.4 论文的主要工作 | 第13-15页 |
| 1.4.1 论文的主要研究方法 | 第13页 |
| 1.4.2 论文的结构安排 | 第13-15页 |
| 第二章 基于时间序列ARIMA模型的超短期风功率预测 | 第15-22页 |
| 2.1 时间序列的简介 | 第15页 |
| 2.2 时域分析模型 | 第15-17页 |
| 2.2.1 自回归模型 | 第15-16页 |
| 2.2.2 滑动平均模型 | 第16页 |
| 2.2.3 自回归移动平均模型 | 第16-17页 |
| 2.2.4 求和自回归移动平均模型 | 第17页 |
| 2.3 时间序列ARIMA建模过程 | 第17-18页 |
| 2.3.1 平稳性检验 | 第17页 |
| 2.3.2 确定模型阶数 | 第17-18页 |
| 2.4 实例分析 | 第18-21页 |
| 2.4.1 分析步骤 | 第18页 |
| 2.4.2 ARIMA模型的建立 | 第18-21页 |
| 2.5 结论 | 第21-22页 |
| 第三章 基于改进EMD-ARMA预测模型的超短期风功率预测 | 第22-30页 |
| 3.1 经验模式分解原理 | 第22页 |
| 3.2 EMD分解步骤 | 第22-23页 |
| 3.3 改进的EMD分解法 | 第23-25页 |
| 3.3.1 EMD在包络线上的改进 | 第23-24页 |
| 3.3.2 EMD在端点延拓的改进 | 第24-25页 |
| 3.4 改进的EMD-ARMA预测模型 | 第25页 |
| 3.5 实例分析 | 第25-29页 |
| 3.5.1 改进的EMD分解 | 第25-26页 |
| 3.5.2 建立ARMA模型 | 第26-29页 |
| 3.6 结论 | 第29-30页 |
| 第四章 基于EEMD-ARMA预测模型的超短期风功率预测 | 第30-41页 |
| 4.1 EEMD算法的原理 | 第30页 |
| 4.2 线性回归 | 第30-31页 |
| 4.2.1 一元线性回归 | 第30-31页 |
| 4.2.2 多元线性回归 | 第31页 |
| 4.2.3 一元线性回归和AR(1)模型 | 第31页 |
| 4.3 实例分析 | 第31-39页 |
| 4.3.1 EEMD算法 | 第31-32页 |
| 4.3.2 对各IMF模态分量进行预测 | 第32-34页 |
| 4.3.3 对res分量序列进行预测 | 第34-39页 |
| 4.4 结论 | 第39-41页 |
| 第五章 基于改进的EEMD-SE-ARMA预测模型的超短期风功率预测 | 第41-55页 |
| 5.1 改进的EEMD原理 | 第41-42页 |
| 5.2 样本熵原理 | 第42-43页 |
| 5.3 异方差 | 第43-44页 |
| 5.3.1 异方差简介 | 第43页 |
| 5.3.2 异方差性的检验 | 第43-44页 |
| 5.4 自回归条件异方差模型 | 第44页 |
| 5.5 算例分析 | 第44-53页 |
| 5.5.1 MEEMD-SE分解法 | 第45-46页 |
| 5.5.2 建立相应的ARMA模型 | 第46-53页 |
| 5.6 结论 | 第53-55页 |
| 第六章 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55-56页 |
| 6.2 不足与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的论文及其他科研成果 | 第61-62页 |
