| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究的背景、目的和意义 | 第8-9页 |
| 1.2 风电功率预测的分类和基本过程 | 第9-12页 |
| 1.2.1 风电功率预测分类 | 第9-11页 |
| 1.2.2 风电功率预测的基本过程 | 第11-12页 |
| 1.3 国内外风电功率预测现状 | 第12-14页 |
| 1.3.1 国外风电功率预测现状 | 第12-13页 |
| 1.3.2 国内风电功率预测现状 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-16页 |
| 第二章 基于人工神经网络的功率预测研究 | 第16-30页 |
| 2.1 风电功率的影响因素 | 第16-18页 |
| 2.2 人工神经网络 | 第18-19页 |
| 2.3 BP 神经网络 | 第19-22页 |
| 2.3.1 BP 网络的基本原理和结构 | 第19-20页 |
| 2.3.2 BP 算法的学习过程 | 第20-21页 |
| 2.3.3 BP 网络参数的确定 | 第21-22页 |
| 2.4 RBF 神经网络 | 第22-24页 |
| 2.4.1 RBF 神经网络的基本原理和结构 | 第22-23页 |
| 2.4.2 RBF 算法的学习过程和参数确定 | 第23-24页 |
| 2.5 算例分析 | 第24-28页 |
| 2.5.1 数据的归一化处理 | 第24-25页 |
| 2.5.2 BP 神经网络模型和功率预测 | 第25-27页 |
| 2.5.3 RBF 神经网络模型和功率预测 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 基于混沌时间序列的功率预测研究 | 第30-40页 |
| 3.1 混沌简介 | 第30-31页 |
| 3.2 相空间重构 | 第31-33页 |
| 3.2.1 相空间重构理论 | 第31页 |
| 3.2.2 C-C 法确定相空间重构参数 | 第31-33页 |
| 3.3 风电功率混沌特性判定 | 第33-34页 |
| 3.4 加权一阶局域法 | 第34-35页 |
| 3.5 算例分析 | 第35-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于改进的小波-BP 神经网络的功率预测研究 | 第40-58页 |
| 4.1 小波分析 | 第40-43页 |
| 4.1.1 连续小波变换 | 第40-41页 |
| 4.1.2 离散小波变换 | 第41页 |
| 4.1.3 列出几种常用的小波 | 第41-42页 |
| 4.1.4 正交小波变换和多尺度分析 | 第42-43页 |
| 4.2 遗传算法 | 第43页 |
| 4.3 改进的小波-BP 神经网络 | 第43-46页 |
| 4.4 算例分析 | 第46-53页 |
| 4.5 功率曲线转换法预测输出功率 | 第53-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第五章 总结 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间所取得的相关科研成果 | 第64-66页 |
| 致谢 | 第66页 |