| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·引言 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究的目的和意义 | 第10-11页 |
| ·研究进展 | 第11-14页 |
| ·物理方法 | 第11页 |
| ·统计方法 | 第11-14页 |
| ·本文研究内容和章节安排 | 第14-16页 |
| 第二章 模式和资料 | 第16-20页 |
| ·模式和资料介绍 | 第16-17页 |
| ·风电功率资料质量控制 | 第17-19页 |
| ·误差分析 | 第19-20页 |
| 第三章 模式结果分析 | 第20-23页 |
| 第四章 支持向量机方法在风电功率预报中的应用研究 | 第23-36页 |
| ·SVM方法 | 第23-25页 |
| ·交叉验证 | 第25-26页 |
| ·利用SVM建立风电功率预报模型 | 第26-28页 |
| ·SVM风电功率预报模型效果检验 | 第28-30页 |
| 附图 | 第30-36页 |
| 第五章 神经网络方法在风电功率预报中的应用研究 | 第36-48页 |
| ·神经网络分类 | 第36-38页 |
| ·BP神经网络方法 | 第38-40页 |
| ·利用BP神经网络建立风电功率模型及其模型效果检验 | 第40-42页 |
| 附图 | 第42-48页 |
| 第六章 自适应最小二乘法在风电功率预报中的应用研究 | 第48-58页 |
| ·自适应最小二乘法 | 第48-49页 |
| ·利用自适应最小二乘法建立风电功率预报模型及其模型效果检验 | 第49-52页 |
| 附图 | 第52-58页 |
| 第七章 集成预报在风电功率中的应用研究 | 第58-74页 |
| ·三种统计算法的风电功率预报效果分析 | 第58-59页 |
| ·集成预报方法在风电功率预报中的实际应用 | 第59-62页 |
| 附图 | 第62-74页 |
| 第八章 结论与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 个人简介 | 第81页 |
