| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题的背景、目的和意义 | 第10-11页 |
| ·风电功率预测的分类 | 第11-12页 |
| ·风电功率预测的空间范围 | 第11页 |
| ·风电功率预测的时间尺度 | 第11页 |
| ·风电功率预测的分类 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国内风速或风电功率预测研究现状 | 第12-13页 |
| ·国外风电功率预测研究现状 | 第13-14页 |
| ·我国风电功率预测面临的主要问题 | 第14-15页 |
| ·论文的主要工作及结构 | 第15-16页 |
| ·小结 | 第16-17页 |
| 第二章 风速、风电特性及风电功率预测流程 | 第17-24页 |
| ·风能与风速特性 | 第17-19页 |
| ·风的形成与风能 | 第17页 |
| ·风速的分布特性 | 第17-18页 |
| ·实际风电场的风速分布 | 第18-19页 |
| ·风电特性 | 第19-22页 |
| ·风力发电的特点 | 第19-20页 |
| ·风速-功率的关系模型 | 第20-21页 |
| ·风电场风机功率特性曲线 | 第21-22页 |
| ·风电功率预测的一般流程 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 常见的风速和风电功率预测方法 | 第24-34页 |
| ·时间序列法 | 第24-27页 |
| ·几种时间序列模型 | 第24-26页 |
| ·时间序列法的建模步骤 | 第26-27页 |
| ·神经网络法 | 第27-31页 |
| ·人工神经网络概述 | 第27-29页 |
| ·BP 神经网络 | 第29-30页 |
| ·BP 神经网络的优缺点 | 第30-31页 |
| ·递归神经网络 | 第31-33页 |
| ·递归神经网络概述 | 第31-32页 |
| ·Elman 神经网络 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第四章 基于小波分解和微分进化-支持向量机的风速和风电功率预测模型 | 第34-47页 |
| ·支持向量机 | 第34-40页 |
| ·理论背景 | 第34-37页 |
| ·回归支持向量机 | 第37-39页 |
| ·支持向量机的核函数 | 第39-40页 |
| ·支持向量机的参数确定 | 第40页 |
| ·微分进化算法优化支持向量机参数 | 第40-42页 |
| ·微分进化算法及其改进 | 第40-42页 |
| ·微分进化算法优化支持向量机参数 | 第42页 |
| ·小波变换及小波多尺度分解 | 第42-45页 |
| ·小波变换基本理论 | 第43-44页 |
| ·多尺度小波分解原理 | 第44-45页 |
| ·基于小波分解和 DE-SVM 的风速及风电功率预测模型 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第五章 实例仿真与结果分析 | 第47-62页 |
| ·实例仿真 | 第47-60页 |
| ·数据预处理 | 第47-49页 |
| ·模型输入量选择 | 第49-50页 |
| ·风电功率预测流程 | 第50-51页 |
| ·误差评价指标 | 第51页 |
| ·预测结果与模型比较 | 第51-60页 |
| ·结果分析与讨论 | 第60-61页 |
| ·小结 | 第61-62页 |
| 第六章 基于 ASP.NET 的风电功率预测系统开发 | 第62-74页 |
| ·ASP.NET 简介 | 第62-64页 |
| ·.NET 框架介绍 | 第62-63页 |
| ·ASP.NET 简介 | 第63-64页 |
| ·预测系统功能及系统架构 | 第64-65页 |
| ·预测系统要实现的功能 | 第64页 |
| ·系统架构 | 第64-65页 |
| ·预测系统的实现 | 第65-73页 |
| ·系统开发环境 | 第65-66页 |
| ·数据库方案 | 第66页 |
| ·Matlab 与.Net 的混合编程 | 第66-68页 |
| ·系统主要功能界面 | 第68-73页 |
| ·小结 | 第73-74页 |
| 第七章 结论与展望 | 第74-76页 |
| ·结论 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 个人简历 在读期间发表的学术论文 | 第80-81页 |
| 致谢 | 第81页 |
