| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第11-13页 |
| 1.3 风电输出功率预估存在的问题、难点 | 第13-14页 |
| 1.4 论文的主要研究内容 | 第14-16页 |
| 第二章 风速和风电功率特性及统计规律研究 | 第16-26页 |
| 2.1 风的特性分析 | 第16-18页 |
| 2.2 风电功率特性及其预测 | 第18-22页 |
| 2.2.1 风速和风电功率的关系 | 第18-20页 |
| 2.2.2 风电功率预测的方法 | 第20-22页 |
| 2.3 风电场数据预处理 | 第22-25页 |
| 2.3.1 历史数据预处理 | 第22页 |
| 2.3.2 筛选模型输入变量 | 第22-24页 |
| 2.3.3 功率预测统计误差分析 | 第24-25页 |
| 2.3.4 误差评价指标 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于IPSO优化支持向量机的功率预测 | 第26-43页 |
| 3.1 支持向量机原理 | 第26-32页 |
| 3.1.1 统计学习理论 | 第26-28页 |
| 3.1.2 支持向量回归机 | 第28-30页 |
| 3.1.3 支持向量机核函数 | 第30-32页 |
| 3.2 改进粒子群优化算法 | 第32-35页 |
| 3.2.1 标准粒子群优化算法原理 | 第32-33页 |
| 3.2.2 改进粒子群算法 | 第33-35页 |
| 3.3 风电功率预测模型建立 | 第35-38页 |
| 3.3.1 SVM预测模型 | 第35-36页 |
| 3.3.2 改进粒子群算法参数寻优 | 第36页 |
| 3.3.3 IPSO-SVM预测模型建立 | 第36-38页 |
| 3.4 仿真分析 | 第38-41页 |
| 3.4.1 SVM预测模型仿真 | 第38-40页 |
| 3.4.2 IPSO-SVM预测模型仿真 | 第40-41页 |
| 3.4.3 数据分析 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 结合经验模态分解法的组合模型功率预测 | 第43-55页 |
| 4.1 经验模态分解原理分析 | 第43-45页 |
| 4.2 EMD-IPSO-SVM预测模型建立 | 第45-47页 |
| 4.3 基于EMD-IPSO-SVM风电功率预测仿真 | 第47-52页 |
| 4.3.1 基于EMD-IPSO-SVM风电功率直接预测 | 第47-49页 |
| 4.3.2 基于风功率曲线的风电功率间接预测 | 第49-52页 |
| 4.4 预测结果对比分析 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 结论和展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间主要研究成果 | 第60-61页 |
| 致谢 | 第61页 |