| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-22页 |
| §1-1 引言 | 第9-10页 |
| §1-2 风电场风速及风电功率预测国内外研究现状及不足 | 第10-12页 |
| §1-3 风电场风速及功率预测分类 | 第12-13页 |
| §1-4 风电场风速和风电功率特性分析 | 第13-19页 |
| 1-4-1 风能特性参数 | 第13-15页 |
| 1-4-2 变尺度风速和风功率的波动特性 | 第15-17页 |
| 1-4-3 风电场出力随机模型 | 第17-19页 |
| §1-5 风力发电技术简介及风力发电相关技术研究 | 第19-20页 |
| 1-5-1 风力发电原理 | 第19页 |
| 1-5-2 风力发电相关技术研究 | 第19-20页 |
| §1-6 本文主要研究内容 | 第20-22页 |
| 第二章 预测的基本理论 | 第22-26页 |
| §2-1 预测的基本原理 | 第22-23页 |
| §2-2 预测的基本过程 | 第23-24页 |
| §2-3 风电预测算法中 MATLAB 语言的应用 | 第24-25页 |
| §2-4 本章小结 | 第25-26页 |
| 第三章 时间序列法预测风速 | 第26-38页 |
| §3-1 时间序列基本原理 | 第26-27页 |
| 3-1-1 时间序列定义 | 第26页 |
| 3-1-2 时间序列的特点 | 第26页 |
| 3-1-3 间序列变动特点 | 第26-27页 |
| §3-2 时间序列分析方法概述 | 第27-28页 |
| §3-3 平稳时间序列及其模型 | 第28-29页 |
| §3-4 非平稳时间序列的 ARIMA 模型 | 第29页 |
| §3-5 基于 ARIMA 预测模型的研究 | 第29-37页 |
| 3-5-1 时间序列建模的基本步骤 | 第29-32页 |
| 3-5-2 算例分析 | 第32-35页 |
| 3-5-3 预测结果分析 | 第35-37页 |
| §3-6 本章小结 | 第37-38页 |
| 第四章 基于混沌相空间重构的 RBF 网络模型法预测风速 | 第38-55页 |
| §4-1 混沌简介 | 第38页 |
| §4-2 时间序列相空间重构相关理论 | 第38-43页 |
| 4-2-1 延迟时间的确定 | 第39-40页 |
| 4-2-2 嵌入维数的确定 | 第40-41页 |
| 4-2-3 C-C 法确定相空间重构参数 | 第41-42页 |
| 4-2-4 Lyapunov 指数的数值计算方法 | 第42-43页 |
| §4-3 径向基函数(RBF—REDIAL BASIS FUNCTION)神经网络相关理论 | 第43-48页 |
| 4-3-1 RBF 神经元结构 | 第43-44页 |
| 4-3-2 RBF 神经元工作过程 | 第44-45页 |
| 4-3-3 RBF 神经网络的结构 | 第45页 |
| 4-3-4 RBF 神经网络参数选取 | 第45-46页 |
| 4-3-5 RBF 神经网络学习过程 | 第46-47页 |
| 4-3-6 RBF 神经网络的设计 | 第47-48页 |
| §4-4 混合参数学习算法确定 RBF 神经网络结构和参数 | 第48-50页 |
| 4-4-1 K-均值聚类法 | 第48-49页 |
| 4-4-2 最速梯度下降法 | 第49页 |
| 4-4-3 混合参数学习算法 | 第49-50页 |
| §4-5 混沌相空间重构的 RBF 神经网络风速预测方法 | 第50页 |
| §4-6 算例分析 | 第50-54页 |
| §4-7 本章小结 | 第54-55页 |
| 第五章 基于组合预测模型的风电场短期风速风电功率预测 | 第55-64页 |
| §5-1 组合预测模型 | 第55-57页 |
| 5-1-1 组合预测模型概述 | 第55页 |
| 5-1-2 组合模型的建立 | 第55-57页 |
| §5-2 组合模型的风速预测结果 | 第57-58页 |
| §5-3 基于组合预测模型的风电功率研究 | 第58-62页 |
| 5-3-1 功率曲线转换法 | 第59-61页 |
| 5-3-2 混沌时间序列直接预测法 | 第61-62页 |
| §5-4 本章小结 | 第62-64页 |
| 第六章 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间所取得的相关科研成果 | 第70页 |
