| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的研究背景与意义 | 第9-11页 |
| ·风力发电系统建模的研究现状和问题 | 第11-16页 |
| ·建模方法研究现状 | 第12-14页 |
| ·建模方法存在的问题 | 第14-15页 |
| ·人工神经网络建模现状 | 第15-16页 |
| ·本课题研究目标和主要内容 | 第16-17页 |
| 第二章 基于神经网络的风电场建模原理 | 第17-40页 |
| ·神经网络的基本概念与建模原理 | 第17-23页 |
| ·神经元的结构 | 第17-19页 |
| ·神经网络的结构 | 第19-20页 |
| ·神经网络的学习与训练 | 第20-22页 |
| ·神经网络的建模原理 | 第22-23页 |
| ·误差反向传播神经网络的基本原理 | 第23-28页 |
| ·BP 算法的基本思想 | 第23-24页 |
| ·BP 算法的推导过程 | 第24-28页 |
| ·Elman 神经网络的基本原理 | 第28-34页 |
| ·具有隐含神经元反馈的递归网络 | 第28-29页 |
| ·Elman 神经网络的结构和实施 | 第29-34页 |
| ·支持向量机的基本理论和推导 | 第34-39页 |
| ·最优超平面的概念和构建 | 第34页 |
| ·支持向量机的学习原理 | 第34-39页 |
| ·小结 | 第39-40页 |
| 第三章 BP 神经网络与 Elman 神经网络在风电场中的建模应用 | 第40-54页 |
| ·数据的选择和处理 | 第40-45页 |
| ·主元分析法对数据的筛选 | 第40-42页 |
| ·数据的筛选和处理 | 第42-45页 |
| ·基于神经网络的风电场静态建模和动态建模 | 第45-52页 |
| ·基于 BP 神经网络的风电场建模仿真 | 第45-48页 |
| ·基于改进 Elman 神经网络的风电场建模仿真 | 第48-52页 |
| ·BP 神经网络与改进 Elman 神经网络的建模分析 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第四章 支持向量机在风电场中的建模应用 | 第54-63页 |
| ·支持向量机对风电场的非线性建模 | 第54-55页 |
| ·支持向量机模型的设计及仿真 | 第55-58页 |
| ·SVM 核函数的分析与选择 | 第55-57页 |
| ·基于 SVM 的风电场建模仿真 | 第57-58页 |
| ·基于贝叶斯统计的不确定性评估 | 第58-62页 |
| ·质量判据 | 第59-60页 |
| ·贝叶斯统计评估权值的不确定性 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 发表论文和科研情况说明 | 第67-68页 |
| 致谢 | 第68-69页 |