| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外风电事业发展现状及存在问题 | 第11-13页 |
| 1.3 风电场短期风速预测研究现状 | 第13-16页 |
| 1.3.1 风速预测方法综述 | 第13-14页 |
| 1.3.2 国外短期风速预测研究现状 | 第14-15页 |
| 1.3.3 国内短期风速预测研究现状 | 第15-16页 |
| 1.4 本文的主要研究内容 | 第16-17页 |
| 第2章 时间序列的相空间重构理论 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 混沌理论的基本概念 | 第17-18页 |
| 2.2.1 Li-Yorke的混沌描述方法 | 第18页 |
| 2.3 相空间重构理论及Takens定理 | 第18-19页 |
| 2.4 延迟时间的选取 | 第19-21页 |
| 2.4.1 自相关法 | 第20页 |
| 2.4.2 复自相关法及去偏复自相关法 | 第20-21页 |
| 2.4.3 互信息法 | 第21页 |
| 2.5 嵌入维数的确定 | 第21-23页 |
| 2.5.1 伪最邻近点法 | 第22页 |
| 2.5.2 Cao氏方法 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 风电场风速时间序列的混沌属性研究 | 第24-29页 |
| 3.1 混沌系统的特征量 | 第24-25页 |
| 3.1.1 Lyapunov指数 | 第24-25页 |
| 3.1.2 分形维数 | 第25页 |
| 3.2 时间序列混沌属性的识别方法 | 第25-26页 |
| 3.3 混沌特性的判定方法 | 第26-28页 |
| 3.3.1 混沌特性判定方法的综述 | 第26页 |
| 3.3.2 小数据量法计算最大Lyapunov指数 | 第26-27页 |
| 3.3.3 G-P算法计算饱和关联维数 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 混沌时间序列预测方法的研究 | 第29-38页 |
| 4.1 混沌时间序列预测方法的概述 | 第29页 |
| 4.2 加权一阶局域法多步预报模型 | 第29-31页 |
| 4.3 预测效果评估 | 第31-32页 |
| 4.4 实例分析 | 第32-37页 |
| 4.4.1 风速时间序列的混沌属性 | 第32-36页 |
| 4.4.2 基于加权一阶局域法的风速多步预测 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第5章 基于最大熵混沌时间序列的支持向量机短期风速预测 | 第38-50页 |
| 5.1 引言 | 第38页 |
| 5.2 支持向量机理论 | 第38-41页 |
| 5.2.1 支持向量机基本理论概述 | 第38-39页 |
| 5.2.2 最小二乘支持向量机 | 第39-40页 |
| 5.2.3 贝叶斯框架下的最小二乘支持向量机 | 第40-41页 |
| 5.3 最大熵原理 | 第41-42页 |
| 5.3.1 信息熵的基本概述 | 第41页 |
| 5.3.2 最大熵原理 | 第41-42页 |
| 5.4 基于最大熵混沌时间序列的支持向量机短期风速预测建模 | 第42页 |
| 5.5 算例分析 1 | 第42-46页 |
| 5.5.1 验证风速时间序列的混沌属性 | 第42-43页 |
| 5.5.2 风速预测 | 第43-45页 |
| 5.5.3 预测结果的评价 | 第45-46页 |
| 5.6 算例分析 2 | 第46-49页 |
| 5.7 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 6.1 结论 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57页 |
