支持向量回归机在风电场短期风速预测中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景及意义 | 第9-12页 |
| ·风速预测的研究意义 | 第9-10页 |
| ·风速预测的概念 | 第10页 |
| ·风速特性及与输出功率的关系 | 第10-11页 |
| ·支持向量机应用概述 | 第11-12页 |
| ·风速短期预测的研究现状 | 第12-14页 |
| ·风速预测方法综述 | 第12-13页 |
| ·国外风速短期预测的研究现状 | 第13-14页 |
| ·国内风速短期预测的研究现状 | 第14页 |
| ·主要研究内容 | 第14-16页 |
| 第2章 支持向量机理论 | 第16-26页 |
| ·统计学习理论 | 第16-19页 |
| ·机器学习基本理论 | 第16-17页 |
| ·VC维 | 第17页 |
| ·经验风险和结构风险最小化 | 第17-19页 |
| ·支持向量机理论 | 第19-25页 |
| ·线性支持向量分类机 | 第19-21页 |
| ·非线性支持向量分类机 | 第21-22页 |
| ·核函数 | 第22-23页 |
| ·支持向量回归机 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于支持向量回归机的风电场风速建模 | 第26-41页 |
| ·实际风场的风速特性分析 | 第26-28页 |
| ·风速特性 | 第26-27页 |
| ·风向特性 | 第27-28页 |
| ·基于SVR的风速预测步骤 | 第28-29页 |
| ·基于模糊聚类的训练样本选择 | 第29-32页 |
| ·基于FCM的风速日聚类 | 第29-30页 |
| ·数值实验 | 第30-32页 |
| ·SVR参数选择 | 第32-37页 |
| ·SVR的参数分析 | 第32-33页 |
| ·基于网格搜索法的参数选择 | 第33-34页 |
| ·粒子群算法 | 第34-36页 |
| ·基于PSO的SVR参数选择 | 第36页 |
| ·数值实验 | 第36-37页 |
| ·基于SVR的短期风速预测 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于经验模式分解和SVR的风速预测 | 第41-53页 |
| ·基于经验模式分解的风速序列平稳化处理 | 第41-46页 |
| ·经验模式分解简介 | 第41-42页 |
| ·EMD特性及改进 | 第42-45页 |
| ·基于EMD和EEMD的风速序列分解 | 第45-46页 |
| ·基于EEMD和SVR的风速预测 | 第46-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 风速预测系统开发 | 第53-57页 |
| ·VC++简介 | 第53页 |
| ·风速预测系统开发 | 第53-56页 |
| ·系统登录界面 | 第53-54页 |
| ·风速预测显示界面 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-58页 |
| ·总结 | 第57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |
