| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 课题的研究背景及意义 | 第12-14页 |
| 1.1.1 课题研究的背景 | 第12-13页 |
| 1.1.2 课题研究的意义 | 第13-14页 |
| 1.2 国内外风电功率预测研究现状 | 第14-18页 |
| 1.2.1 风电功率预测系统研究现状 | 第14-16页 |
| 1.2.2 风电功率预测方法研究现状 | 第16-18页 |
| 1.3 风电功率预测分类 | 第18-19页 |
| 1.4 本文的主要研究内容 | 第19-21页 |
| 第2章 基于IGSA优化LSSVM的短期风电功率预测 | 第21-40页 |
| 2.1 引言 | 第21页 |
| 2.2 统计学习理论 | 第21-24页 |
| 2.2.1 机器学习理论 | 第21-22页 |
| 2.2.2 VC维与推广性的界 | 第22-23页 |
| 2.2.3 结构化风险最小原则 | 第23-24页 |
| 2.3 最小二乘支持向量机 | 第24-26页 |
| 2.3.1 LSSVM基本原理 | 第24-26页 |
| 2.3.2 核函数的选择 | 第26页 |
| 2.4 改进的引力搜索算法 | 第26-33页 |
| 2.4.1 引力搜索算法 | 第26-27页 |
| 2.4.2 改进的引力搜索算法 | 第27-33页 |
| 2.5 IGSA优化LSSVM的预测模型构建 | 第33-34页 |
| 2.6 实例分析 | 第34-39页 |
| 2.6.1 数据预处理 | 第35页 |
| 2.6.2 评价指标 | 第35-36页 |
| 2.6.3 不同核函数构建的IGSA-LSSVM预测模型 | 第36-37页 |
| 2.6.4 不同预测模型的预测结果比较 | 第37-39页 |
| 2.7 本章小结 | 第39-40页 |
| 第3章 基于误差统计特性的短期风电功率区间预测 | 第40-52页 |
| 3.1 引言 | 第40页 |
| 3.2 非参数估计理论 | 第40-45页 |
| 3.2.1 直方图估计 | 第40-41页 |
| 3.2.2 Rosenblatt估计 | 第41页 |
| 3.2.3 核密度估计 | 第41-43页 |
| 3.2.4 密度估计的性质 | 第43页 |
| 3.2.5 带宽的选择 | 第43-45页 |
| 3.3 短期风电功率非参数区间估计模型 | 第45-47页 |
| 3.3.1 误差概率分布 | 第45页 |
| 3.3.2 置信区间估计及预测步骤 | 第45-47页 |
| 3.4 实例分析 | 第47-51页 |
| 3.4.1 求取统计误差 | 第48页 |
| 3.4.2 求取置信区间 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于CEEMD和改进GPR的短期风电功率概率预测 | 第52-65页 |
| 4.1 引言 | 第52页 |
| 4.2 互补集合经验模态分解 | 第52-55页 |
| 4.2.1 经验模态分解 | 第52-53页 |
| 4.2.2 集合经验模态分解 | 第53-54页 |
| 4.2.3 互补集合经验模态分解 | 第54-55页 |
| 4.3 改进的高斯回归过程 | 第55-57页 |
| 4.3.1 高斯回归过程 | 第55-57页 |
| 4.3.2 改进的高斯回归过程 | 第57页 |
| 4.4 CEEMD-改进GPR的短期风电概率预测模型 | 第57-59页 |
| 4.5 实例分析 | 第59-64页 |
| 4.5.1 概率评价指标 | 第60-61页 |
| 4.5.2 预测结果分析 | 第61-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第5章 结论与展望 | 第65-67页 |
| 5.1 结论 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间发表的学术论文目录 | 第72-73页 |
| 致谢 | 第73-74页 |
