| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-21页 |
| ·课题背景及研究的目的和意义 | 第9-11页 |
| ·风电场建设现状及功率预测研究现状 | 第11-20页 |
| ·国外风电建设现状 | 第11-15页 |
| ·国外风功率预测研究现状 | 第15-16页 |
| ·国内风电建设情况 | 第16-19页 |
| ·国内风功率预测研究现状 | 第19-20页 |
| ·论文的主要工作 | 第20-21页 |
| 第2章 神经网络原理 | 第21-30页 |
| ·引言 | 第21页 |
| ·神经网络的基本知识 | 第21-25页 |
| ·神经网络的基本概念 | 第21页 |
| ·人工神经元模型 | 第21-23页 |
| ·人工神经网络模型 | 第23-24页 |
| ·神经网络分类器 | 第24-25页 |
| ·神经网络的基本特性 | 第25-29页 |
| ·神经网络的基本特征 | 第25-26页 |
| ·人工神经网络研究的基本内容 | 第26-28页 |
| ·神经网络的优点 | 第28-29页 |
| ·神经网络的性能指标 | 第29页 |
| ·小结 | 第29-30页 |
| 第3章 BP神经网络及其改进 | 第30-46页 |
| ·标准的BP神经网络 | 第30-34页 |
| ·BP神经网络的结构 | 第30页 |
| ·标准BP神经网络算法 | 第30-34页 |
| ·BP神经网络权值调整方法 | 第34-35页 |
| ·BP神经网络参数选择 | 第35-38页 |
| ·初始权值的选择 | 第35-36页 |
| ·学习率的选择 | 第36页 |
| ·隐含层节点数的选择 | 第36-38页 |
| ·训练样本的预处理 | 第38页 |
| ·BP算法的缺点 | 第38-39页 |
| ·常用的改善BP网络性能的方法 | 第39页 |
| ·BP算法的LEVENBERG-MARQUARDT改进 | 第39-45页 |
| ·牛顿法 | 第40页 |
| ·Levenberg-Marquardt算法 | 第40-43页 |
| ·传统BP算法与L-M改进算法性能对比 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第4章 网络模型的建立及算例分析 | 第46-59页 |
| ·影响风电机组实际输出功率的因素 | 第46-49页 |
| ·理想的风电机组输出模型 | 第46-47页 |
| ·影响风电机组实际输出功率的因素 | 第47-49页 |
| ·网络模型的建立 | 第49-50页 |
| ·数据预处理 | 第50-54页 |
| ·数据基本情况 | 第50页 |
| ·风电场输出功率预处理 | 第50-53页 |
| ·风电场SCADA采集数据预处理 | 第53-54页 |
| ·气象台NWP预测数据的预处理 | 第54页 |
| ·数据的初始化 | 第54-55页 |
| ·运行实例与结果分析 | 第55-59页 |
| 第5章 结论与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-65页 |
| 致谢 | 第65页 |