| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 风电场风速及功率预测技术研究进展 | 第11-13页 |
| 1.2.1 预测技术分类 | 第11页 |
| 1.2.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 第二章 风电相关特性分析 | 第14-19页 |
| 2.1 风的特性 | 第14-16页 |
| 2.1.1 风的动能 | 第14页 |
| 2.1.2 风速变化特性 | 第14-15页 |
| 2.1.3 风速时间序列特性 | 第15-16页 |
| 2.2 风力发电的特性 | 第16-17页 |
| 2.2.1 风力发电原理 | 第16页 |
| 2.2.2 风机的功率曲线 | 第16-17页 |
| 2.3 预测误差及评价指标 | 第17-18页 |
| 2.3.1 预测误差的来源 | 第17页 |
| 2.3.2 预测质量的评价 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 风电场短期风速预测 | 第19-34页 |
| 3.1 风速时间序列的分解与子序列合并原理 | 第19-23页 |
| 3.1.1 经验模态分解 | 第19-21页 |
| 3.1.2 集成经验模态分解 | 第21页 |
| 3.1.3 样本熵 | 第21-23页 |
| 3.2 最小二乘支持向量机 | 第23-24页 |
| 3.3 最小二乘支持向量机参数寻优 | 第24-27页 |
| 3.3.1 万有引力搜索算法 | 第25-26页 |
| 3.3.2 GSA优化LSSVM算法设计 | 第26-27页 |
| 3.4 基于EEMD-SE-GSA-LSSVM的短期风速组合预测模型 | 第27-33页 |
| 3.4.1 短期风速预测模型的建立 | 第27-29页 |
| 3.4.2 仿真分析 | 第29-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 风电场短期功率预测 | 第34-41页 |
| 4.1 常用功率曲线建立方法 | 第34-35页 |
| 4.1.1 直接法 | 第34页 |
| 4.1.2 最大值法 | 第34-35页 |
| 4.1.3 比恩法 | 第35页 |
| 4.2 基于改进粒子群算法的功率曲线拟合 | 第35-37页 |
| 4.2.1 粒子群算法 | 第35-36页 |
| 4.2.2 权重线性递减改进的粒子群算法 | 第36页 |
| 4.2.3 功率曲线拟合寻优过程 | 第36-37页 |
| 4.3 仿真分析 | 第37-40页 |
| 4.3.1 功率曲线建模方法对比分析 | 第37-39页 |
| 4.3.2 基于功率曲线拟合的短期功率预测 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 风电场短期功率区间预测 | 第41-53页 |
| 5.1 模糊信息粒化理论 | 第41-43页 |
| 5.2 萤火虫算法优化极限学习机 | 第43-47页 |
| 5.2.1 萤火虫算法 | 第43-44页 |
| 5.2.2 极限学习机 | 第44-46页 |
| 5.2.3 GSO优化ELM算法设计 | 第46-47页 |
| 5.3 基于FIG-GSO-ELM的短期功率区间预测模型 | 第47-52页 |
| 5.3.1 短期功率区间预测模型的建立 | 第47-48页 |
| 5.3.2 仿真分析 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 发表论文和科研情况说明 | 第57-58页 |
| 致谢 | 第58页 |