| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-22页 |
| ·课题研究背景及意义 | 第12-14页 |
| ·风电功率预测研究概况 | 第14-17页 |
| ·国内外研究现状 | 第14-15页 |
| ·风电功率预测方法分类 | 第15-17页 |
| ·风电功率预测技术 | 第17-21页 |
| ·风电功率预测流程 | 第17-18页 |
| ·功率预测评价指标 | 第18-19页 |
| ·预测模型优化方法简介 | 第19-21页 |
| ·论文的主要内容与章节安排 | 第21-22页 |
| 第二章 风功率数据预处理与规律统计 | 第22-31页 |
| ·引言 | 第22页 |
| ·数据预处理技术 | 第22-24页 |
| ·数据的影响因素 | 第24-26页 |
| ·风电场数据规律统计 | 第26-30页 |
| ·风速变化规律 | 第26-28页 |
| ·风向统计规律 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于LMD-Elman的动态预测模型 | 第31-43页 |
| ·引言 | 第31页 |
| ·局部均值分解法 | 第31-32页 |
| ·Elman神经网络及其算法原理 | 第32-35页 |
| ·Elman神经网络 | 第33-34页 |
| ·Elman算法原理 | 第34-35页 |
| ·改进的Elman神经网络 | 第35-38页 |
| ·网络结构的改进 | 第35-37页 |
| ·激励函数的改进 | 第37-38页 |
| ·基于LMD-Elman预测模型的工程实例分析 | 第38-42页 |
| ·预测模型建立 | 第38-39页 |
| ·工程实例验证 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 自适应柯西蜂群算法及其在风电功率预测中的应用 | 第43-58页 |
| ·引言 | 第43页 |
| ·人工蜂群算法 | 第43-44页 |
| ·自适应柯西蜂群算法 | 第44-53页 |
| ·搜索步长的自适应调整 | 第44-45页 |
| ·侦查蜂根据柯西分布搜索新解 | 第45-46页 |
| ·自适应柯西蜂群算法验证与分析 | 第46-49页 |
| ·算法收敛性分析 | 第49-53页 |
| ·自适应柯西蜂群算法在风电功率预测中的应用 | 第53-57页 |
| ·基于ACMABC-SVM风电功率预测模型 | 第53-54页 |
| ·支持向量机回归模型 | 第54-55页 |
| ·工程实例分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于自适应柯西蜂群算法的组合动态预测模型 | 第58-70页 |
| ·引言 | 第58页 |
| ·基于ACMABC算法组合预测模型 | 第58-64页 |
| ·组合预测模型 | 第58-59页 |
| ·NARX神经网络 | 第59-60页 |
| ·基于ACMABC算法组合预测模型的工程实例验证 | 第60-64页 |
| ·Labview中实现ACMABC组合预测 | 第64-66页 |
| ·Labview概述 | 第64页 |
| ·MATLAB | 第64-65页 |
| ·调用MATLAB脚本节点 | 第65页 |
| ·实验结果 | 第65-66页 |
| ·工程应用 | 第66-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·全文总结 | 第70页 |
| ·进一步研究展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 附录1自适应柯西蜂群算法matlab源程序 | 第77-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84页 |