基于数值预报的风电场功率短期组合预测模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 前言 | 第7-12页 |
| ·研究目的和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·风电场风电功率预测的国内外研究进展 | 第8-9页 |
| ·神经网络方法预测风电功率的国内外研究现状 | 第9-10页 |
| ·研究内容和方法 | 第10页 |
| ·研究成果 | 第10-11页 |
| ·论文组织结构 | 第11-12页 |
| 第二章 相关理论及方法 | 第12-25页 |
| ·神经网络 | 第12-13页 |
| ·神经网络的概念及特点 | 第12-13页 |
| ·神经网络的发展 | 第13页 |
| ·BP神经网络 | 第13-16页 |
| ·遗传算法优化BP神经网络 | 第16-20页 |
| ·遗传算法的起源 | 第16-17页 |
| ·遗传算法的基本要素 | 第17-18页 |
| ·遗传算法优化BP神经网络的算法流程 | 第18-20页 |
| ·粒子群算法优化BP神经网络 | 第20-24页 |
| ·粒子群算法的起源 | 第20-21页 |
| ·粒子群算法的介绍 | 第21-22页 |
| ·粒子群算法优化BP神经网络的算法流程 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 风电功率短期预测模型研究 | 第25-37页 |
| ·利用BP神经网络进行风电场功率短期预测 | 第25-27页 |
| ·BP神经网络基本结构确定 | 第25-26页 |
| ·BP神经网络预测风电功率结果 | 第26-27页 |
| ·利用GA-BP神经网络模型进行风电功率预测 | 第27-29页 |
| ·利用PSO-BP神经网络模型进行风电功率预测 | 第29-31页 |
| ·组合预测模型研究 | 第31-36页 |
| ·组合预测的思想 | 第31-32页 |
| ·组合预测的方法实现 | 第32-33页 |
| ·组合预测的实验分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 风电场原始数据的预处理 | 第37-45页 |
| ·风电场概述 | 第37页 |
| ·风电场原始数据的简介 | 第37-38页 |
| ·风电场风速的基本知识 | 第38-40页 |
| ·风速的变化特性 | 第38-39页 |
| ·风速的合理变化范围 | 第39-40页 |
| ·利用组合预测方法处理异常和缺省数据 | 第40-43页 |
| ·异常或缺省数据示例 | 第40-41页 |
| ·缺省或异常数据的补缺 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 按月份建立组合预测模型的应用研究 | 第45-57页 |
| ·概述 | 第45-46页 |
| ·组合预测模型内部参数的研究 | 第46-50页 |
| ·MATLAB神经网络工具箱 | 第46-48页 |
| ·GA与PSO中运行参数的设定 | 第48-50页 |
| ·按月份建立组合预测模型及结果分析 | 第50-56页 |
| ·实验样本的选择 | 第50页 |
| ·按月份建立组合预测模型的结果分析 | 第50-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结和展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·进一步的工作 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简介 | 第63-64页 |
| 攻读学位期间学习情况 | 第63页 |
| 作者攻读学位期间发表的学术论文 | 第63页 |
| 作者攻读学位期间取得的其他学术成果 | 第63-64页 |
| 致谢 | 第64页 |
