基于小波变换和支持向量机的短期风电功率预测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| §1.1 选题的目的及意义 | 第8-10页 |
| §1.2 国内外的发展现状 | 第10-12页 |
| ·国外风电预测产业发展状况 | 第10-11页 |
| ·国内风电预测产业发展状况 | 第11-12页 |
| §1.3 本文的主要研究内容 | 第12-13页 |
| 第二章 风电预测理论及其研究概况 | 第13-21页 |
| §2.1 风速的基本特性 | 第13-15页 |
| ·风的形成过程 | 第13页 |
| ·风速的参数特性 | 第13-14页 |
| ·风速的概率分布 | 第14-15页 |
| §2.2 风速的数据采集 | 第15页 |
| §2.3 风电功率及其特性曲线 | 第15-16页 |
| §2.4 传统的风电功率预测模型概述 | 第16-19页 |
| §2.5 数据预处理及预测结果误差分析 | 第19页 |
| §2.6 MATLAB在风电预测研究中的应用 | 第19-20页 |
| §2.7 本章小结 | 第20-21页 |
| 第三章 小波理论与风电短期预测的研究 | 第21-30页 |
| §3.1 小波分析理论概述 | 第21页 |
| §3.2 小波定义 | 第21-22页 |
| §3.3 小波变换理论概述 | 第22-25页 |
| ·连续小波变换 | 第22-23页 |
| ·离散栅格的小波变换 | 第23-25页 |
| ·多尺度分析 | 第25页 |
| §3.4 应用MALLAT算法分析风速时间序列 | 第25-29页 |
| ·MALLAT算法简介 | 第25-26页 |
| ·MALLAT算法的实现 | 第26页 |
| ·风速序列小波分解 | 第26-29页 |
| §3.5 本章小结 | 第29-30页 |
| 第四章 基于回归型支持向量机的风电预测 | 第30-38页 |
| §4.1 VC维理论和结构风险最小化原则 | 第30-31页 |
| ·VC维理论 | 第30页 |
| ·结构风险最小化原则 | 第30-31页 |
| §4.2 支持向量机理论概述 | 第31-33页 |
| §4.3 核函数的选择 | 第33-35页 |
| §4.4 SVM算法实现 | 第35-37页 |
| §4.5 本章小结 | 第37-38页 |
| 第五章 粒子群算法在支持向量机参数优化中的应用 | 第38-43页 |
| §5.1 粒子群算法简介 | 第38-39页 |
| §5.2 粒子群算法的改进 | 第39-40页 |
| §5.3 粒子群算法参数的选择 | 第40-41页 |
| §5.4 利用改进粒子群算法优化支持向量机 | 第41-42页 |
| §5.5 本章小结 | 第42-43页 |
| 第六章 风电场功率预测实例分析 | 第43-49页 |
| §6.1 实例分析 | 第43-48页 |
| §6.2 本章小结 | 第48-49页 |
| 第七章 结论与展望 | 第49-50页 |
| §7.1 论文的主要结论 | 第49页 |
| §7.2 课题的前景展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间所取得的相关科研成果 | 第54页 |
