基于改进遗传算法寻优的SVM风能短期预测
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.1.1 课题研究的背景 | 第11-13页 |
| 1.1.2 课题研究的意义 | 第13页 |
| 1.2 风电场风速和功率预测的研究现状 | 第13-16页 |
| 1.2.1 国内外风电场风速预测的研究现状 | 第13-14页 |
| 1.2.2 国内外风电场功率预测的研究现状 | 第14-16页 |
| 1.3 本文的研究内容及章节安排 | 第16-17页 |
| 第二章 支持向量机 | 第17-24页 |
| 2.1 统计学基础 | 第17-18页 |
| 2.2 支持向量回归机 | 第18-22页 |
| 2.2.1 线性支持向量回归机 | 第18-21页 |
| 2.2.2 非线性支持向量回归机 | 第21-22页 |
| 2.2.3 核函数 | 第22页 |
| 2.3 支持向量回归机的建模过程 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 改进的遗传算法 | 第24-35页 |
| 3.1 遗传算法 | 第24-28页 |
| 3.1.1 遗传算法的主要过程 | 第24-27页 |
| 3.1.2 遗传算法的优缺点 | 第27-28页 |
| 3.2 小生境遗传算法 | 第28-31页 |
| 3.2.1 小生境算法 | 第28-29页 |
| 3.2.2 小生境遗传算法中L的选取 | 第29-30页 |
| 3.2.3 改进的小生境遗传算法 | 第30-31页 |
| 3.3 小生境免疫遗传算法 | 第31-34页 |
| 3.3.1 免疫疫苗 | 第31-32页 |
| 3.3.2 小生境免疫遗传算法中疫苗的提取与接种 | 第32-33页 |
| 3.3.3 小生境免疫遗传算法中疫苗的自动更新 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 预测模型的建立 | 第35-45页 |
| 4.1 历史数据的预处理 | 第35-38页 |
| 4.1.1 多分辨率分析 | 第35-36页 |
| 4.1.2 小波基的选择 | 第36-37页 |
| 4.1.3 dbN小波分解 | 第37-38页 |
| 4.2 预测模型流程图 | 第38页 |
| 4.3 程序设计 | 第38-44页 |
| 4.3.1 控制参数设置 | 第39页 |
| 4.3.2 产生初始抗体 | 第39-40页 |
| 4.3.3 计算拟合值 | 第40-41页 |
| 4.3.4 计算适应度值 | 第41页 |
| 4.3.5 判断 | 第41-42页 |
| 4.3.6 小生境免疫遗传寻优运算 | 第42-43页 |
| 4.3.7 更新疫苗因子 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 算例分析 | 第45-59页 |
| 5.1 风速算例分析 | 第45-51页 |
| 5.1.1 风速数据的初始处理 | 第45-46页 |
| 5.1.2 建立风速的短期预测模型 | 第46-51页 |
| 5.2 功率算例分析 | 第51-58页 |
| 5.2.1 风电功率数据的初始处理 | 第52页 |
| 5.2.2 建立风电功率短期预测模型 | 第52-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65页 |
