短期风力发电功率预测的研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 风力发电发展现状 | 第11-12页 |
| 1.1.1 世界风力发电现状 | 第11页 |
| 1.1.2 国内发力发电现状 | 第11-12页 |
| 1.2 风电功率预测的意义 | 第12-13页 |
| 1.3 风电功率的预测方法 | 第13-15页 |
| 1.3.1 持续预测方法 | 第14页 |
| 1.3.2 数值天气预报 | 第14页 |
| 1.3.3 物理预测方法 | 第14-15页 |
| 1.3.4 统计方法 | 第15页 |
| 1.3.5 组合预测 | 第15页 |
| 1.4 国内外风电功率预测发展概况 | 第15-19页 |
| 1.4.1 国外风电功率预测发展情况 | 第15-17页 |
| 1.4.2 国内风电功率预测发展情况 | 第17-19页 |
| 1.5 本文的主要工作及研究内容 | 第19-23页 |
| 1.5.1 本文的主要研究内容 | 第19-20页 |
| 1.5.2 论文的章节安排 | 第20-23页 |
| 第2章 BP神经网络短期风电功率预测模型 | 第23-37页 |
| 2.1 人工神经网络 | 第23-25页 |
| 2.1.1 人工神经元模型 | 第23-24页 |
| 2.1.2 人工神经网络模型 | 第24-25页 |
| 2.1.3 人工神经网络学习 | 第25页 |
| 2.2 BP神经网络 | 第25-27页 |
| 2.2.1 BP神经网络 | 第25-26页 |
| 2.2.2 反向传播学习算法 | 第26-27页 |
| 2.3 BP神经网络预测模型 | 第27-30页 |
| 2.3.1 影响因素 | 第28-29页 |
| 2.3.2 数据的归一化处理 | 第29页 |
| 2.3.3 BP神经网络参数的设定 | 第29-30页 |
| 2.4 预测结果分析 | 第30-35页 |
| 2.4.1 不同学习精度的预测结果 | 第30-32页 |
| 2.4.2 不同隐含层节点数的预测结果 | 第32-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第3章 GASABP短期风电功率预测模型 | 第37-51页 |
| 3.1 遗传算法 | 第37-40页 |
| 3.1.1 遗传算法的特点 | 第37-38页 |
| 3.1.2 遗传算法基本概念 | 第38-39页 |
| 3.1.3 遗传算法的学习过程 | 第39-40页 |
| 3.2 模拟退火算法 | 第40-42页 |
| 3.2.1 模拟退火算法 | 第40-41页 |
| 3.2.2 模拟退火算法步骤 | 第41-42页 |
| 3.3 GASABP风电功率预测模型 | 第42-44页 |
| 3.3.1 GASABP算法 | 第42-43页 |
| 3.3.2 GASABP风电功率预测模型 | 第43-44页 |
| 3.4 预测结果与分析 | 第44-49页 |
| 3.4.1 影响因子 | 第44-45页 |
| 3.4.2 数据的归一化处理 | 第45页 |
| 3.4.3 参数的设定 | 第45页 |
| 3.4.4 预测结果与分析 | 第45-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 支持向量机短期风电功率预测模型 | 第51-65页 |
| 4.1 统计学习理论 | 第51-53页 |
| 4.2 支持向量机 | 第53-57页 |
| 4.2.1 线性可分问题 | 第54页 |
| 4.2.2 近似线性可分问题 | 第54-55页 |
| 4.2.3 线性不可分问题 | 第55-57页 |
| 4.2.4 支持向量回归机 | 第57页 |
| 4.3 支持向量机预测模型 | 第57-61页 |
| 4.3.1 影响因子及数据处理 | 第58页 |
| 4.3.2 核函数的选取 | 第58-59页 |
| 4.3.3 支持向量机参数的确定 | 第59-61页 |
| 4.4 预测结果分析 | 第61-62页 |
| 4.5 本章小结 | 第62-65页 |
| 第5章 混沌支持向量机短期风电功率预测模型 | 第65-75页 |
| 5.1 混沌时间序列 | 第65-68页 |
| 5.1.1 混沌现象 | 第65-66页 |
| 5.1.2 混沌时间序列 | 第66-67页 |
| 5.1.3 相空间重构 | 第67-68页 |
| 5.2 混沌支持向量机预测模型 | 第68-71页 |
| 5.2.1 遗传算法模型确定 | 第68-69页 |
| 5.2.2 遗传混沌支持向量机模型 | 第69-71页 |
| 5.3 预测结果与分析 | 第71-73页 |
| 5.4 本章小结 | 第73-75页 |
| 第6章 总结与展望 | 第75-79页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 附录 | 第85页 |
