| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外风力发电发展现状及趋势 | 第11-16页 |
| ·国外风力发电发展历程及现状 | 第11-13页 |
| ·我国风力发电发展历程及现状 | 第13-15页 |
| ·风力发电技术的发展趋势 | 第15-16页 |
| ·风力发电机组运行优化控制的研究现状 | 第16-18页 |
| ·本文的主要研究内容 | 第18-20页 |
| 第二章 风力发电系统的基本理论 | 第20-44页 |
| ·风能特性 | 第20-26页 |
| ·风速分布 | 第20-23页 |
| ·风能原理 | 第23-24页 |
| ·风功率密度 | 第24-26页 |
| ·风力机风轮空气动力学基础 | 第26-29页 |
| ·叶素理论 | 第26-28页 |
| ·风轮动量理论 | 第28-29页 |
| ·风力发电机组的分类及其构成 | 第29-33页 |
| ·风力发电机组的主要分类 | 第29-31页 |
| ·风力发电机的组成 | 第31-32页 |
| ·风电机组的基本功能构成 | 第32-33页 |
| ·风力发电机组的运行特性及其分析 | 第33-43页 |
| ·风力机性能参数 | 第33-37页 |
| ·风力发电机组的工作原理 | 第37-39页 |
| ·风力发电机最大风能捕获控制方法 | 第39-42页 |
| ·风力发电机年发电量计算 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 微分进化算法理论 | 第44-52页 |
| ·微分进化算法简介 | 第44-45页 |
| ·基本微分进化算法 | 第45-49页 |
| ·微分进化算法流程 | 第45-47页 |
| ·控制参数选择 | 第47-49页 |
| ·DE 算法的优化策略 | 第49页 |
| ·改进的微分进化算法 | 第49-51页 |
| ·控制参数的自适应调整 | 第49-50页 |
| ·随机变异策略 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 支持向量机理论 | 第52-64页 |
| ·机器学习理论 | 第52-54页 |
| ·机器学习问题的表示 | 第52-53页 |
| ·经验风险最小化 | 第53-54页 |
| ·统计学习理论 | 第54-56页 |
| ·函数集的 VC 维理论 | 第54页 |
| ·推广能力的界 | 第54-55页 |
| ·结构风险最小化原则 | 第55-56页 |
| ·支持向量机理论 | 第56-60页 |
| ·支持向量回归机 | 第57-59页 |
| ·核参数的选取 | 第59-60页 |
| ·最小二乘支持向量机原理 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第五章 基于微分进化和支持向量机算法的风电机优化运行 | 第64-76页 |
| ·引言 | 第64-65页 |
| ·风电机出力优化模型 | 第65-66页 |
| ·风电机优化运行方法设计 | 第66-67页 |
| ·风电机优化运行系统框图 | 第66页 |
| ·风电机出力优化算法流程 | 第66-67页 |
| ·算例与分析 | 第67-75页 |
| ·数据样本的选择与预处理 | 第67-69页 |
| ·核函数和核参数的选取 | 第69-70页 |
| ·训练结果分析 | 第70-71页 |
| ·优化问题的数学描述 | 第71页 |
| ·优化结果与分析 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 变速恒频风力发电机组叶尖速比优化 | 第76-84页 |
| ·引言 | 第76页 |
| ·变速恒频风电机组最大风能捕获原理 | 第76-77页 |
| ·变速恒频风电机组能量优化模型 | 第77-78页 |
| ·优化变量 | 第77-78页 |
| ·目标函数 | 第78页 |
| ·约束条件 | 第78页 |
| ·算例及分析 | 第78-83页 |
| ·变速恒频风力发电机参数及算法流程 | 第78-80页 |
| ·仿真结果与分析 | 第80-83页 |
| ·本章小结 | 第83-84页 |
| 第七章 结论与展望 | 第84-86页 |
| ·结论 | 第84-85页 |
| ·展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 个人简历 在读期间发表的学术论文 | 第90-91页 |
| 致谢 | 第91页 |