首页--工业技术论文--电工技术论文--发电、发电厂论文--各种发电论文--风能发电论文

风力发电场短期风速预测系统的研究与设计

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-15页
   ·选题背景及意义第7-9页
   ·国内外研究现状第9-13页
   ·本论文主要研究工作第13页
   ·本文的内容安排第13-15页
第二章 短期风速预测的数据分析第15-23页
   ·风特性分析第15-18页
     ·风速的分布特性第15页
     ·风速数据采集第15-16页
     ·风速的随机性和规律性第16-18页
   ·历史数据的收集与分析第18-19页
   ·风速数据的相关性分析第19-21页
     ·相关性概述第19-20页
     ·采集的数据相关性分析第20-21页
   ·本章小结第21-23页
第三章 支持向量机方法在短期风速预测中的应用研究第23-41页
   ·支持向量机第23-28页
     ·支持向量机算法第23-26页
     ·最小二乘支持向量机第26-27页
     ·核函数的构造第27-28页
   ·粒子群优化模型参数的优化第28-30页
     ·粒子群原理第28-29页
     ·粒子群优化的LS-SVM模型第29页
     ·基于粒子群优化的LS-SVM的预测方法第29-30页
   ·实例分析第30-40页
   ·本章小结第40-41页
第四章 基于自回归滑动平均时间序列模型的风速预测第41-51页
   ·时间序列概述第41页
   ·时间序列模型第41-43页
     ·几种时间序列模型第41-42页
     ·模型定阶第42-43页
   ·实例分析第43-50页
     ·风速序列的平稳性检验第43-45页
     ·模型阶数估计第45-46页
     ·数据仿真及分析第46-50页
   ·本章小结第50-51页
第五章 风速预测系统的开发第51-57页
   ·软件总体功能概述第51页
   ·软件总体结构第51-52页
   ·软件各功能模块的实现第52-56页
     ·用户登录模块第52-53页
     ·软件主界面第53-54页
     ·数据读取、保存模块第54页
     ·数据分析模块第54-55页
     ·风速预测模块第55-56页
   ·本章小结第56-57页
第六章 结论与展望第57-59页
   ·结论第57页
   ·展望第57-59页
致谢第59-61页
参考文献第61-65页
攻读学位期间发表的论文目录第65页
攻读硕士学位期间获奖情况第65页

论文共65页,点击 下载论文
上一篇:基于复杂网络方法的粒子群算法在机组优化组合问题中的研究
下一篇:基于改进的BP神经网络的变压器故障诊断研究