基于支持向量机的短期风电功率预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景、目的及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究目的及意义 | 第11-12页 |
| 1.2 风电预测研究现状 | 第12-17页 |
| 1.2.1 国内外研究现状 | 第12-13页 |
| 1.2.2 风电功率预测分类 | 第13-17页 |
| 1.3 风电预测评价指标 | 第17-18页 |
| 1.4 本文的主要工作及章节安排 | 第18-20页 |
| 第二章 基于支持向量机的风电功率预测 | 第20-45页 |
| 2.1 机器学习 | 第20-21页 |
| 2.2 统计学习理论基础 | 第21-22页 |
| 2.2.1 VC维 | 第21页 |
| 2.2.2 推广性的界和结构风险最小化 | 第21-22页 |
| 2.3 支持向量机 | 第22-33页 |
| 2.3.1 支持向量分类机 | 第22-26页 |
| 2.3.2 支持向量回归机 | 第26-28页 |
| 2.3.3 核函数 | 第28-29页 |
| 2.3.4 支持向量机的求解 | 第29-33页 |
| 2.4 实验仿真 | 第33-44页 |
| 2.4.1 支持向量机建模流程 | 第33-34页 |
| 2.4.2 风场数据选取 | 第34-37页 |
| 2.4.3 数据预处理 | 第37-40页 |
| 2.4.4 参数寻优与建模 | 第40-42页 |
| 2.4.5 预测结果与分析 | 第42-44页 |
| 2.5 小结 | 第44-45页 |
| 第三章 基于CS-SVM的风电功率预测 | 第45-53页 |
| 3.1 布谷鸟搜索算法 | 第45-46页 |
| 3.2 莱维飞行 | 第46-47页 |
| 3.3 算法实现 | 第47-48页 |
| 3.4 实验仿真 | 第48-52页 |
| 3.4.1 样本数据预处理 | 第48页 |
| 3.4.2 参数寻优与建模 | 第48-49页 |
| 3.4.3 预测结果与分析 | 第49-52页 |
| 3.5 小结 | 第52-53页 |
| 第四章 基于模糊支持向量机的风电功率预测 | 第53-65页 |
| 4.1 模糊集合论 | 第53-54页 |
| 4.2 隶属函数 | 第54-57页 |
| 4.3 模糊C均值聚类算法 | 第57-59页 |
| 4.4 模糊支持向量机 | 第59-60页 |
| 4.5 实验仿真 | 第60-64页 |
| 4.5.1 模糊支持向量机建模流程 | 第60-61页 |
| 4.5.2 样本模糊隶属度的计算 | 第61页 |
| 4.5.3 训练预测模型 | 第61页 |
| 4.5.4 预测结果与分析 | 第61-64页 |
| 4.6 小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 论文总结 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间主要的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
