| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 风速预测技术和方法 | 第10-17页 |
| 1.2.1 统计预测方法 | 第11-13页 |
| 1.2.2 物理预测方法 | 第13-15页 |
| 1.2.3 混合预测方法 | 第15-17页 |
| 1.3 目前应用的风电预测系统 | 第17-20页 |
| 1.4 本论文研究的主要内容 | 第20-22页 |
| 第2章 基于广义主成分分析的风速预报 | 第22-47页 |
| 2.1 本章引言 | 第22-24页 |
| 2.2 风速数据分析 | 第24-27页 |
| 2.3 结构与算法 | 第27-38页 |
| 2.3.1 预测系统的框架 | 第27-29页 |
| 2.3.2 输入的选择 | 第29-30页 |
| 2.3.3 使用 GPCA 训练得到模式 | 第30-35页 |
| 2.3.4 支持向量回归与核岭回归 | 第35-38页 |
| 2.4 实验分析 | 第38-46页 |
| 2.5 本章小结 | 第46-47页 |
| 第3章 基于深度学习理论的风速预测方法 | 第47-67页 |
| 3.1 引言 | 第47-48页 |
| 3.2 神经网络基本知识 | 第48-51页 |
| 3.3 深度学习神经网络 | 第51-59页 |
| 3.3.1 受限的玻尔兹曼机 | 第53-56页 |
| 3.3.2 深信度网络（Deep Belief Network） | 第56-59页 |
| 3.4 本章建模流程 | 第59页 |
| 3.5 实验结果分析 | 第59-65页 |
| 3.6 本章小结 | 第65-67页 |
| 第4章 基于频域多模式的风速预测方法 | 第67-82页 |
| 4.1 引言 | 第67-68页 |
| 4.2 小波分析基本原理 | 第68-73页 |
| 4.2.1 连续小波变换 | 第68-69页 |
| 4.2.2 离散小波变换 | 第69-70页 |
| 4.2.3 多分辨分析与 Mallat 算法 | 第70-73页 |
| 4.3 基于频域多模式短期风速预测建模流程 | 第73页 |
| 4.4 实验结果分析 | 第73-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第5章 风电场风机状态监测与风速预测系统设计 | 第82-90页 |
| 5.1 风电场风机状态监测及风速预测系统概述 | 第82-84页 |
| 5.2 风速预测单元训练与预测实现 | 第84-85页 |
| 5.3 系统测试 | 第85-89页 |
| 5.4 本章小结 | 第89-90页 |
| 第6章 结论与展望 | 第90-93页 |
| 参考文献 | 第93-99页 |
| 攻读学位期间研究成果 | 第99-101页 |
| 致谢 | 第101页 |