支持向量机在风电功率预测中的应用研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-20页 |
| ·研究背景及意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究目的和意义 | 第13-14页 |
| ·风电功率预测分析 | 第14-16页 |
| ·风电功率预测的分类 | 第14页 |
| ·预测方法 | 第14-15页 |
| ·误差评价指标 | 第15-16页 |
| ·国内外研究现状 | 第16-18页 |
| ·本文的主要工作 | 第18-20页 |
| 2 基于支持向量机的风电功率预测 | 第20-40页 |
| ·引言 | 第20页 |
| ·统计学习理论基础 | 第20-22页 |
| ·VC维和推广性的界 | 第21-22页 |
| ·结构风险最小化 | 第22页 |
| ·支持向量机 | 第22-27页 |
| ·支持向量分类机 | 第23-25页 |
| ·支持向量回归机 | 第25-26页 |
| ·核函数 | 第26-27页 |
| ·模型参数选取 | 第27页 |
| ·支持向量机回归预测研究 | 第27-34页 |
| ·风场数据 | 第27-29页 |
| ·训练集和测试集 | 第29页 |
| ·数据预处理 | 第29-30页 |
| ·模型参数寻优 | 第30-31页 |
| ·模型训练与回归预测 | 第31-32页 |
| ·仿真结果及分析 | 第32-34页 |
| ·风机机组功率曲线建模研究 | 第34-38页 |
| ·建立机组功率曲线模型 | 第34-36页 |
| ·基于功率曲线的风电功率预测 | 第36-37页 |
| ·仿真结果及分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 3 基于小世界优化的支持向量机风电功率预测 | 第40-52页 |
| ·引言 | 第40页 |
| ·小世界优化算法 | 第40-45页 |
| ·小世界优化算法基本思想 | 第40-41页 |
| ·小世界优化算法的特点与应用 | 第41-42页 |
| ·基于实数编码的小世界优化算法 | 第42-45页 |
| ·基于小世界优化的支持向量机改进算法 | 第45-48页 |
| ·SVM参数 | 第45-46页 |
| ·建立目标函数 | 第46页 |
| ·R-SWOA优化的SVM回归模型 | 第46-48页 |
| ·基于RSWO-SVM的风电功率预测 | 第48-50页 |
| ·预测步骤 | 第48页 |
| ·算例分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 4 基于数学形态学分解和支持向量机的风电功率预测 | 第52-64页 |
| ·引言 | 第52页 |
| ·数学形态学研究 | 第52-58页 |
| ·基本原理 | 第52-54页 |
| ·构建形态学滤波器 | 第54-55页 |
| ·结构元素的选取 | 第55-56页 |
| ·数学形态学分解算法 | 第56-58页 |
| ·风电功率预测实例应用 | 第58-62页 |
| ·MM-SVM风电功率预测模型 | 第58-59页 |
| ·风速序列形态学分解 | 第59-61页 |
| ·建模预测 | 第61-62页 |
| ·不同模型预测效果比较 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 5 风电功率的组合预测研究 | 第64-78页 |
| ·引言 | 第64页 |
| ·组合预测概述 | 第64-68页 |
| ·组合预测原理及意义 | 第64-65页 |
| ·组合预测影响因素 | 第65-66页 |
| ·灰色预测模型 | 第66-68页 |
| ·固定权系数组合预测模型 | 第68-71页 |
| ·等权平均法加权 | 第68-69页 |
| ·最小方差法加权 | 第69页 |
| ·算例分析 | 第69-71页 |
| ·变权系数组合预测模型 | 第71-74页 |
| ·小世界优化算法加权 | 第72-73页 |
| ·算例分析 | 第73-74页 |
| ·不同模型预测效果比较 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 6 总结与展望 | 第78-82页 |
| ·总结 | 第78-79页 |
| ·展望 | 第79-82页 |
| 参考文献 | 第82-86页 |
| 作者简历 | 第86-88页 |
| 学位论文数据集 | 第88页 |
