基于优化算法的风电场风能资源评估
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·引言 | 第9页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·优化算法 | 第10-12页 |
| ·传统优化算法 | 第10-11页 |
| ·智能优化算法 | 第11页 |
| ·无免费午餐定理 | 第11-12页 |
| ·粒子群算法简介 | 第12-16页 |
| ·粒子群算法的起源 | 第12页 |
| ·粒子群算法的研究现状 | 第12-15页 |
| ·粒子群算法的应用及发展趋势 | 第15-16页 |
| ·风资源评估的简介 | 第16-17页 |
| ·两参数Weibull分布模型 | 第16页 |
| ·两参数Weibull模型的参数计算 | 第16-17页 |
| ·本文的研究内容和方法 | 第17页 |
| ·本文的主要内容 | 第17页 |
| ·本文的主要方法 | 第17页 |
| ·本文的主要组织结构 | 第17-19页 |
| 第2章 基本粒子群算法的研究 | 第19-29页 |
| ·引言 | 第19页 |
| ·粒子群算法的原理及数学表达 | 第19-20页 |
| ·标准粒子群算法 | 第20-21页 |
| ·带惯性权重ω的粒子群算法 | 第20-21页 |
| ·带收缩因子χ的粒子群算法 | 第21页 |
| ·粒子群算法的参数分析 | 第21-23页 |
| ·粒子群算法的流程 | 第23-25页 |
| ·粒子群算法的特点 | 第25页 |
| ·标准粒子群算法的收敛性分析 | 第25-27页 |
| ·粒子群算法同其余优化算法的比较 | 第27-28页 |
| ·粒子群算法同遗传算法的比较 | 第27页 |
| ·粒子群算法同蚁群算法的比较 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 改进粒子群算法的研究 | 第29-44页 |
| ·引言 | 第29页 |
| ·基于模拟退火算法的改进 | 第29-32页 |
| ·算法描述 | 第29-30页 |
| ·新解的产生及接受机制 | 第30页 |
| ·冷却进度表 | 第30-31页 |
| ·算法流程 | 第31页 |
| ·自适应降温的模拟退火算法 | 第31-32页 |
| ·基于平均速度的改进 | 第32-34页 |
| ·平均速度 | 第32页 |
| ·平均速度调节惯性权重 | 第32-33页 |
| ·平均速度调节学习因子 | 第33-34页 |
| ·改进粒子群算法的流程 | 第34-35页 |
| ·改进算法的函数测试 | 第35-43页 |
| ·测试函数 | 第35-38页 |
| ·测试结果分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 改进粒子群算法在风资源评估中的应用 | 第44-56页 |
| ·引言 | 第44页 |
| ·Weibull两参数模型 | 第44-47页 |
| ·最小二乘法 | 第45-46页 |
| ·平均风速和标准差法 | 第46页 |
| ·平均风速和最大风速法 | 第46页 |
| ·改进粒子群算法 | 第46-47页 |
| ·风资源特性指标 | 第47-49页 |
| ·实际风场案例分析 | 第49-55页 |
| ·风场背景 | 第49-50页 |
| ·数据统计与分析 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 总结和展望 | 第56-58页 |
| ·论文总结 | 第56页 |
| ·未来展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65页 |
