| 摘要 | 第1-5页 |
| ABSTRACT | 第5-17页 |
| 第一章 绪论 | 第17-27页 |
| ·课题背景及研究意义 | 第17-20页 |
| ·课题背景 | 第17-19页 |
| ·课题研究意义 | 第19-20页 |
| ·风速预测技术概述 | 第20-24页 |
| ·风速预测的分类 | 第20-21页 |
| ·风速预测的方法 | 第21-23页 |
| ·风速预测结果评价 | 第23-24页 |
| ·风速预测中存在的问题 | 第24-25页 |
| ·本文主要研究内容 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第二章 风电场测风数据的预处理研究 | 第27-43页 |
| ·引言 | 第27页 |
| ·测风数据中坏数据的查找 | 第27-33页 |
| ·坏数据查找 | 第27-29页 |
| ·测风数据中坏数据查找结果及分析 | 第29-33页 |
| ·测风数据中坏数据的处理 | 第33-42页 |
| ·坏数据处理方法 | 第33-37页 |
| ·坏数据处理过程 | 第37-38页 |
| ·测风数据中坏数据处理结果及分析 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 基于样本优选与结构优化的神经网络风速预测研究 | 第43-79页 |
| ·引言 | 第43页 |
| ·神经网络风速预测模型 | 第43-54页 |
| ·基于小波神经网络的风速预测模型 | 第44-47页 |
| ·基于GABP神经网络的风速预测模型 | 第47-53页 |
| ·神经网络建模中存在问题 | 第53-54页 |
| ·神经网络训练样本的优选 | 第54-60页 |
| ·样本聚类过程 | 第54-58页 |
| ·样本抽取过程 | 第58页 |
| ·基于模糊聚类与随机抽取的训练样本优选 | 第58-60页 |
| ·神经网络隐含层结构的优化 | 第60-64页 |
| ·灰关联删减法 | 第60-61页 |
| ·贡献度删减法 | 第61-62页 |
| ·基于灰关联-贡献度删减法的神经网络结构优化 | 第62-64页 |
| ·仿真研究 | 第64-77页 |
| ·实验数据分析 | 第64页 |
| ·训练样本的优选结果 | 第64-66页 |
| ·基于样本优选与结构优化的小波神经网络风速预测研究 | 第66-72页 |
| ·基于样本优选与结构优化的GABP神经网络风速预测研究 | 第72-77页 |
| ·本章小结 | 第77-79页 |
| 第四章 基于卡尔曼滤波算法的风速预测研究 | 第79-97页 |
| ·引言 | 第79页 |
| ·卡尔曼滤波算法 | 第79-83页 |
| ·卡尔曼滤波算法原理 | 第79-83页 |
| ·卡尔曼滤波算法的优劣 | 第83页 |
| ·基于卡尔曼滤波算法的风速预测模型 | 第83-89页 |
| ·一元时间序列预测模型 | 第84-86页 |
| ·小波神经网络预测模型 | 第86页 |
| ·基于卡尔曼滤波算法的风速预测模型 | 第86-89页 |
| ·仿真研究 | 第89-95页 |
| ·本章小结 | 第95-97页 |
| 第五章 结论与展望 | 第97-99页 |
| ·结论 | 第97-98页 |
| ·展望 | 第98-99页 |
| 参考文献 | 第99-105页 |
| 致谢 | 第105-107页 |
| 攻读学位期间发表的学术论文及参与的科研项目 | 第107页 |
