首页--工业技术论文--电工技术论文--发电、发电厂论文--各种发电论文--风能发电论文

风电场功率超短期预测算法优化研究

摘要第1-7页
Abstract第7-15页
第一章 绪论第15-29页
   ·引言第15-19页
     ·课题研究背景第15-18页
     ·课题研究目的和意义第18-19页
   ·风电场功率预测方法分类第19-20页
   ·风电场短期及超短期功率预测方法和原理第20-22页
     ·基于历史数据的风电功率预测方法第20-21页
     ·基于数值天气预报的风电功率预测方法第21-22页
   ·风电功率预测研究现状第22-27页
     ·国外研究现状第22-25页
     ·国内研究现状第25-27页
   ·论文研究内容第27-29页
第二章 最小二乘支持向量机在风电场超短期功率预测中的应用研究及模型优化第29-52页
   ·引言第29页
   ·分段支持向量机模型第29-38页
     ·支持向量机原理概述第29-32页
     ·风电机组功率曲线特性分析第32-35页
     ·建模数据样本第35-36页
     ·分段支持向量机建模过程第36页
     ·算例及分析第36-38页
   ·基于遗传算法的支持向量机模型第38-44页
     ·遗传算法原理概述第38-40页
     ·建模过程第40-41页
     ·算例及分析第41-44页
   ·基于小波变换的支持向量机模型第44-50页
     ·小波变换原理第44-46页
     ·基于小波核函数及小波变换分解的建模过程第46-48页
     ·算例及分析第48-50页
   ·本章小结第50-52页
第三章 人工神经网络在风电场超短期功率预测中的应用研究及模型优化第52-79页
   ·引言第52-53页
   ·基于人工神经网络的超短期功率预测模型研究第53-70页
     ·人工神经网络原理概述第53-57页
     ·BP人工神经网络功率预测模型第57-61页
     ·RBF人工神经网络功率预测模型第61-62页
     ·算例分析第62-70页
   ·基于希尔伯特黄变换与人工神经网络超短期功率预测模型研究第70-77页
     ·希尔伯特黄变换第70-72页
     ·希尔伯特黄变换优化的人工神经网络超短期功率预测模型第72-75页
     ·算例及分析第75-77页
   ·本章小结第77-79页
第四章 风电场功率超短期组合预测方法研究第79-112页
   ·引言第79-80页
   ·基于灰色关联度理论的组合预测方法研究第80-97页
     ·灰色关联度理论概述第80-83页
     ·基于灰色关联度分析的组合预测模型研究第83-87页
     ·算例及分析第87-97页
   ·基于风速分布特性的组合预测模型研究第97-110页
     ·风电场风速分布特性研究第97-105页
     ·组合预测建模过程第105-107页
     ·算例及分析第107-110页
   ·本章小结第110-112页
第五章 风电功率超短期预测不确定性分析方法研究及功率预测系统的集成应用第112-135页
   ·引言第112页
   ·风电场功率预测不确定性分析研究现状第112-114页
   ·风电场功率超短期预测误差统计分析第114-118页
     ·影响预测误差的因素第114-116页
     ·预测误差分布特性研究第116-118页
   ·基于误差分布特性的不确定性分析方法研究第118-127页
     ·蒙特卡罗原理第118-119页
     ·不确定性分析方法研究第119-124页
     ·算例结果及分析第124-125页
     ·有效性检验第125-127页
   ·风电场功率预测系统集成与应用第127-134页
     ·国内外功率预测系统发展现状第127-130页
     ·系统设计第130-134页
   ·本章小结第134-135页
第六章 结论与展望第135-139页
   ·论文的主要结论第135-138页
   ·研究工作的展望第138-139页
参考文献第139-152页
攻读博士学位期间发表的论文及其它成果第152-154页
攻读博士学位期间参加的科研工作第154-155页
致谢第155-156页
作者简介第156页

论文共156页,点击 下载论文
上一篇:秦皇岛市文化产业发展的熵评价研究
下一篇:蔗渣丙烯酸高吸水树脂的制备与表征