基于信号分解技术的组合模型在风电功率预测中的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-23页 |
| 1.1 课题的背景与意义 | 第10-14页 |
| 1.2 风能预测研究现状 | 第14-20页 |
| 1.3 本文研究目的和主要内容 | 第20-21页 |
| 1.4 本文的章节安排 | 第21-23页 |
| 2 集成经验模态分解基本理论 | 第23-32页 |
| 2.1 引言 | 第23页 |
| 2.2 经验模态分解 | 第23-25页 |
| 2.3 集成经验模态分解 | 第25-27页 |
| 2.4 算法测试 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 最小二乘支持向量机理论基础 | 第32-57页 |
| 3.1 引言 | 第32页 |
| 3.2 统计学习理论 | 第32-37页 |
| 3.3 最小二乘支持向量机算法 | 第37-43页 |
| 3.4 LSSVM模型参数优化方法 | 第43-50页 |
| 3.5 算法测试 | 第50-55页 |
| 3.6 本章小结 | 第55-57页 |
| 4 基于信号分解的风电功率组合预测模型 | 第57-95页 |
| 4.1 引言 | 第57-58页 |
| 4.2 风电功率数据处理 | 第58-61页 |
| 4.3 构建最小二乘支持向量机预测模型 | 第61-68页 |
| 4.4 应用实例分析与比较 | 第68-94页 |
| 4.5 本章小结 | 第94-95页 |
| 5 总结与展望 | 第95-97页 |
| 5.1 总结 | 第95-96页 |
| 5.2 展望 | 第96-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-103页 |
