基于模型优选的风电功率融合预测模型
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-15页 |
| 第一章 绪论 | 第15-27页 |
| ·课题的背景及研究意义 | 第15-18页 |
| ·课题的背景 | 第15-17页 |
| ·课题的研究意义 | 第17-18页 |
| ·风力发电技术概述 | 第18-22页 |
| ·风力发电机组的结构 | 第18-20页 |
| ·风机的出力模型 | 第20-21页 |
| ·影响风电功率的主要因素 | 第21-22页 |
| ·风电功率预测的模型综述 | 第22-24页 |
| ·本文主要研究内容 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第二章 风电功率单一预测模型库的建立及仿真研究 | 第27-55页 |
| ·风电功率时间序列预测模型 | 第27-33页 |
| ·时间序列法概述 | 第27-29页 |
| ·时间序列预测模型的建模步骤 | 第29-31页 |
| ·风电功率时间序列法的预测结果 | 第31-33页 |
| ·风电功率回归分析预测模型 | 第33-35页 |
| ·回归分析预测模型概述 | 第33-34页 |
| ·风电功率回归预测模型的预测结果 | 第34-35页 |
| ·风电功率BP神经网络预测模型 | 第35-39页 |
| ·BP神经网络概述 | 第35-37页 |
| ·风电功率BP神经网络的预测结果 | 第37-39页 |
| ·风电功率Elman神经网络预测模型 | 第39-42页 |
| ·Elman神经网络概述 | 第39-40页 |
| ·风电功率Elman神经网络的预测结果 | 第40-42页 |
| ·风电功率RBF神经网络预测模型 | 第42-45页 |
| ·RBF神经网络概述 | 第42-43页 |
| ·风电功率RBF神经网络的预测结果 | 第43-45页 |
| ·风电功率广义回归神经网络预测模型 | 第45-48页 |
| ·广义回归神经网络概述 | 第45-46页 |
| ·风电功率广义回归神经网络的预测结果 | 第46-48页 |
| ·风电功率支持向量机预测模型 | 第48-51页 |
| ·支持向量机概述 | 第48-50页 |
| ·风电功率支持向量机的预测结果 | 第50-51页 |
| ·单一预测模型的预测结果比较 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第三章 风电功率组合预测模型 | 第55-67页 |
| ·引言 | 第55页 |
| ·组合预测模型的分类 | 第55-56页 |
| ·常用的组合预测模型权系数确定方法 | 第56-60页 |
| ·算术平均法 | 第56-57页 |
| ·预测误差平方和倒数法 | 第57页 |
| ·简单加权平均法 | 第57-58页 |
| ·二项式系数法 | 第58页 |
| ·熵值法 | 第58-60页 |
| ·风电功率组合预测模型仿真研究 | 第60-65页 |
| ·算术平均法预测结果 | 第60-61页 |
| ·预测误差平方和倒数法预测结果 | 第61-62页 |
| ·简单加权平均法预测结果 | 第62-63页 |
| ·二项式系数法预测结果 | 第63-64页 |
| ·熵值法预测结果 | 第64-65页 |
| ·风电功率组合预测模型比较 | 第65页 |
| ·本章小结 | 第65-67页 |
| 第四章 风电功率融合预测模型 | 第67-81页 |
| ·引言 | 第67-68页 |
| ·灰色关联分析法进行模型初始优选 | 第68-70页 |
| ·灰色关联分析法 | 第68页 |
| ·灰色关联分析法进行模型初始优选 | 第68-70页 |
| ·误差信息矩阵法进行非负约束的冗余筛选 | 第70-72页 |
| ·Shapley值法计算单一预测模型的融合度 | 第72-75页 |
| ·对策论与Shapley值 | 第72页 |
| ·Shapley值计算单一预测模型的融合度 | 第72-75页 |
| ·风电功率融合预测模型预测结果 | 第75-78页 |
| ·单一预测模型的优选 | 第75-76页 |
| ·基于Shapley值法的融合模型的预测结果 | 第76-78页 |
| ·各预测模型的效果评价 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第五章 结论与展望 | 第81-83页 |
| ·结论 | 第81-82页 |
| ·展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-88页 |
| 攻读学位期间发表的学术论文 | 第88页 |
