| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 引言 | 第9-16页 |
| ·课题研究的背景 | 第9-10页 |
| ·课题研究目的及意义 | 第10-11页 |
| ·风电功率预测的研究现状 | 第11-14页 |
| ·风电功率预测的方法 | 第11-12页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·课题研究的主要内容及章节安排 | 第14-16页 |
| 第2章 混沌时间序列特性概述 | 第16-24页 |
| ·混沌理论简介 | 第16页 |
| ·重构相空间 | 第16-17页 |
| ·时间延迟和嵌入维数 | 第17-21页 |
| ·时间延迟的求取 | 第17-19页 |
| ·嵌入维数的求取 | 第19-20页 |
| ·同时求取时间延迟和嵌入维数 | 第20-21页 |
| ·Lyapunov指数的计算 | 第21-22页 |
| ·混沌时间序列预测 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于相空间重构的风电场输出功率组合预测 | 第24-44页 |
| ·人工神经网络 | 第24-27页 |
| ·神经元模型 | 第25-26页 |
| ·RBF神经网络 | 第26-27页 |
| ·基于相空间重构和RBF网络预测模型 | 第27-32页 |
| ·算例分析 | 第29-32页 |
| ·支持向量机 | 第32-38页 |
| ·支持向量机简介 | 第32-34页 |
| ·支持向量机原理 | 第34-37页 |
| ·最小二乘支持向量机 | 第37-38页 |
| ·基于相空间重构和最小二乘支持向量机预测模型 | 第38-40页 |
| ·算例分析 | 第39-40页 |
| ·组合预测模型 | 第40-43页 |
| ·组合预测 | 第40页 |
| ·最小方差组合预测算法 | 第40-42页 |
| ·算例分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于信息粒化和支持向量机的风电场输出功率变化区间的预测 | 第44-59页 |
| ·粒计算 | 第44-45页 |
| ·粒计算简介 | 第44-45页 |
| ·粒信息处理 | 第45页 |
| ·模糊信息粒化 | 第45-51页 |
| ·信息粒化 | 第45-47页 |
| ·模糊信息粒化模型 | 第47-49页 |
| ·Witold Pedrycz模糊粒化的方法 | 第49-51页 |
| ·基于信息粒化和支持向量机的预测模型 | 第51-57页 |
| ·算例分析 | 第51-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 结论及展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第65页 |