| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究背景 | 第9-10页 |
| ·课题研究意义 | 第10页 |
| ·风电功率预测研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·主要研究内容与组织结构 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第2章 风电场输出功率预测技术 | 第14-21页 |
| ·风电场概述 | 第14页 |
| ·短期风电功率影响因素 | 第14-15页 |
| ·风电功率预测方法 | 第15-18页 |
| ·按预测时间分类 | 第15-16页 |
| ·按预测对象分类 | 第16页 |
| ·按预测范围分类 | 第16页 |
| ·按预测所用数据分类 | 第16页 |
| ·按预测所用模型分类 | 第16-18页 |
| ·风电功率预测误差评价 | 第18-20页 |
| ·误差产生原因及存在形式 | 第18-19页 |
| ·常用误差评价指标 | 第19页 |
| ·本文所采用的误差评价指标 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于BP神经网络的短期风电功率预测 | 第21-28页 |
| ·神经元模型 | 第21页 |
| ·BP网络学习算法 | 第21-23页 |
| ·BP网络建模及算例分析 | 第23-26页 |
| ·BP神经网络建模 | 第23-24页 |
| ·算例分析 | 第24-26页 |
| ·BP网络的局限性及改进方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 基于遗传神经网络的短期风电功率预测 | 第28-36页 |
| ·遗传算法简介 | 第28页 |
| ·遗传算法的基本要素和流程 | 第28-29页 |
| ·GA算法与BP网络的结合 | 第29-30页 |
| ·算例分析 | 第30-35页 |
| ·本章小结 | 第35-36页 |
| 第5章 基于主成分—遗传神经网络的短期风电功率预测 | 第36-51页 |
| ·主成分分析法 | 第36-38页 |
| ·主成分分析的数学模型 | 第36-37页 |
| ·主成分分析法的处理步骤 | 第37-38页 |
| ·基于主成分—遗传神经网络预测模型的基本思想 | 第38-39页 |
| ·基于主成分—遗传神经网络预测模型的设计 | 第39-40页 |
| ·预测结果分析 | 第40-50页 |
| ·样本数据选取及处理 | 第40-41页 |
| ·仿真分析 | 第41-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 风电功率预测系统开发 | 第51-59页 |
| ·开发工具及技术 | 第51页 |
| ·系统配置 | 第51-52页 |
| ·系统演示 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第7章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-66页 |
| 致谢 | 第66页 |