首页--工业技术论文--电工技术论文--发电、发电厂论文--各种发电论文--风能发电论文

基于最小二乘支持向量机风电机组的预测研究

中文摘要第1页
英文摘要第3-6页
第一章 绪论第6-13页
   ·研究背景第6-7页
   ·国内外风力发电状况第7-11页
     ·国外风力发电发展概况第7-9页
     ·国内风力发电发展概况第9-10页
     ·支持向量机在风力发电中的发展第10-11页
   ·课题内容第11-13页
第二章 变桨距风力发电机组的基础理论及支持向量机理论第13-22页
   ·变速风力发电基础理论第13-15页
     ·风力机的特性系数第13-14页
     ·C_p特性曲线第14-15页
   ·小样本统计学习的基本理论第15-20页
     ·VC维第15-16页
     ·支持向量机算法第16-18页
     ·SVM用于回归第18-20页
   ·最小二乘支持向量机第20-21页
   ·本章小结第21-22页
第三章 基于LS-SVM的风轮模型及运行特性分析第22-30页
   ·引言第22页
   ·叶素理论的风轮建模原理第22-24页
   ·基于LS-SVM的风轮模型第24-26页
     ·网络结构第24-25页
     ·网络训练样本的选取第25-26页
     ·程序示例第26页
   ·模型仿真结果及运行特性分析第26-29页
     ·T-n曲线第26-28页
     ·T-v和P-v曲线第28-29页
   ·本章小结第29-30页
第四章 基于最小二乘支持向量机的变桨距预测研究第30-35页
   ·引言第30页
   ·基于LS-SVM的功率系数建模设计第30-32页
   ·高于额定风速下基于最小二乘支持向量机的桨距角预测第32-33页
   ·仿真结果研究第33-34页
   ·本章小结第34-35页
第五章 基于最小二乘支持向量机的短期风速及发电量预报第35-48页
   ·引言第35页
   ·风特性第35-36页
   ·风力机的空气动力学第36页
   ·LS-SVM网络第36-41页
     ·基于LS-SVM网络进行风速预测的基本步骤第36-38页
     ·实例分析第38-41页
   ·短期发电量预报第41-43页
   ·参数优化第43-47页
     ·粒子群优化算法的思想第43-45页
     ·粒子群优化最小二乘支持向量机的构建第45页
     ·粒子群优化参数的最小二乘支持向量机预测模型第45-47页
   ·本章小结第47-48页
第六章 结论与展望第48-50页
   ·结论第48页
   ·研究工作的展望第48-50页
参考文献第50-53页
致谢第53-54页
在学期间发表的学术论文和参加科研情况第54页

论文共54页,点击 下载论文
上一篇:基于能流分析的抽油机电动机断续供电策略研究
下一篇:燃煤电厂疏灰管道堵塞工况检测方法研究