| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 风电功率预测现状 | 第11-13页 |
| 1.2.2 云计算研究现状 | 第13页 |
| 1.3 课题研究的主要内容 | 第13-14页 |
| 1.4 论文的组织安排 | 第14-16页 |
| 第2章 相关技术 | 第16-22页 |
| 2.1 Hadoop云计算平台 | 第16-18页 |
| 2.1.1 HDFS | 第16-17页 |
| 2.1.2 MapReduce编程框架 | 第17页 |
| 2.1.3 HBase分布式数据库 | 第17-18页 |
| 2.2 Spark云计算平台 | 第18-19页 |
| 2.2.1 Spark平台 | 第18-19页 |
| 2.2.2 Spark与Hadoop对比 | 第19页 |
| 2.3 弃风异常数据识别、剔除 | 第19-21页 |
| 2.3.1 弃风异常数据识别 | 第20-21页 |
| 2.3.2 弃风异常数据剔除 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 改进型布谷鸟搜索算法（ICS）设计 | 第22-28页 |
| 3.1 粒子群优化算法与遗传算法 | 第22-24页 |
| 3.1.1 粒子群优化算法 | 第22-23页 |
| 3.1.2 遗传算法 | 第23-24页 |
| 3.2 布谷鸟搜索算法 | 第24-26页 |
| 3.2.1 标准型布谷鸟搜索算法 | 第24-26页 |
| 3.2.2 寻优性能比较 | 第26页 |
| 3.3 改进型布谷鸟搜索算法 | 第26-27页 |
| 3.3.1 算法设计思想 | 第26-27页 |
| 3.3.2 ICS算法描述 | 第27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 基于云计算和ICS-Elman神经网络的预测算法设计 | 第28-39页 |
| 4.1 Elman神经网络 | 第28-31页 |
| 4.1.1 Elman神经网络结构 | 第28-29页 |
| 4.1.2 Elman神经网络算法 | 第29-30页 |
| 4.1.3 Elman神经网络预测流程 | 第30-31页 |
| 4.2 基于ICS-Elman的短期风电功率预测算法设计 | 第31-34页 |
| 4.2.1 梯度下降法 | 第31-32页 |
| 4.2.2 算法设计 | 第32-33页 |
| 4.2.3 ICS-Elman预测算法实现 | 第33-34页 |
| 4.2.4 预测算法优点 | 第34页 |
| 4.3 ICS-Elman功率预测算法的并行化设计 | 第34-37页 |
| 4.3.1 算法并行化模型设计 | 第34-35页 |
| 4.3.2 算法并行化实现 | 第35-37页 |
| 4.4 本章小结 | 第37-39页 |
| 第5章 实验测试与算法分析 | 第39-48页 |
| 5.1 系统环境说明 | 第39-44页 |
| 5.1.1 系统环境配置 | 第39页 |
| 5.1.2 Spark集群的安装与部署 | 第39-43页 |
| 5.1.3 测试数据集描述 | 第43-44页 |
| 5.1.4 评价指标描述 | 第44页 |
| 5.2 实验测试与算例分析 | 第44-47页 |
| 5.2.1 预测结果平均相对误差和均方根误差分析 | 第45-46页 |
| 5.2.2 Spark平台加速比分析 | 第46-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 本论文的主要工作 | 第48页 |
| 6.2 对未来工作的展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54页 |
