| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 风力发电国内外概况 | 第11-13页 |
| 1.2.1 风力发电国际概况 | 第11-12页 |
| 1.2.2 风力发电国内概况 | 第12-13页 |
| 1.3 深度学习简介 | 第13-15页 |
| 1.3.1 深度学习的发展历程 | 第13-14页 |
| 1.3.2 深度学习的应用 | 第14-15页 |
| 1.4 本文主要内容 | 第15-16页 |
| 第2章 风力发电基本理论及控制系统关键技术 | 第16-26页 |
| 2.1 风力发电基本理论 | 第16-19页 |
| 2.1.1 空气动力学理论 | 第16-17页 |
| 2.1.2 贝茨理论 | 第17-19页 |
| 2.2 控制系统关键技术 | 第19-25页 |
| 2.2.1 风速预测关键技术 | 第19-22页 |
| 2.2.2 最大功率追踪关键技术 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于FRS-CLSTM神经网络的风速预测关键技术 | 第26-46页 |
| 3.1 模糊粗糙集属性约简 | 第26-31页 |
| 3.1.1 模糊粗糙集理论 | 第27-28页 |
| 3.1.2 属性约简 | 第28-30页 |
| 3.1.3 结合软测量的改进输入参数集 | 第30-31页 |
| 3.2 CLSTM神经网络模型 | 第31-39页 |
| 3.2.1 CNN卷积神经网络 | 第31-33页 |
| 3.2.2 RNN循环神经网络 | 第33-36页 |
| 3.2.3 CLSTM神经网络结构设计 | 第36-39页 |
| 3.3 实验应用与结果分析 | 第39-45页 |
| 3.3.1 数据预处理 | 第39-41页 |
| 3.3.2 模型搭建 | 第41-44页 |
| 3.3.3 实验分析及应用 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于改进爬山法的最大功率追踪关键技术 | 第46-54页 |
| 4.1 传统爬山法的不足 | 第46-47页 |
| 4.2 改进爬山法最大功率追踪策略 | 第47-50页 |
| 4.2.1 优化追踪区间 | 第48-49页 |
| 4.2.2 确定搜索方向 | 第49-50页 |
| 4.2.3 避免MPP点的波动 | 第50页 |
| 4.3 仿真与结果分析 | 第50-53页 |
| 4.3.1 仿真环境搭建 | 第50-52页 |
| 4.3.2 结果分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 结论与展望 | 第54-56页 |
| 5.1 结论 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位论文期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |