| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·选题背景及研究意义 | 第11-13页 |
| ·选题背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·风电机组变桨距控制技术研究现状 | 第13-14页 |
| ·优化技术在风电机组控制中的发展现状 | 第14-15页 |
| ·本文的主要工作内容 | 第15-17页 |
| 2 风电机组运行特性分析及变桨距控制策略研究 | 第17-25页 |
| ·引言 | 第17页 |
| ·风电机组运行特性分析 | 第17-21页 |
| ·风能的特性 | 第17-18页 |
| ·风轮气动特性 | 第18页 |
| ·机械传动系统及执行机构特性 | 第18-19页 |
| ·双馈异步发电机运行原理及特性分析 | 第19-21页 |
| ·风电机组整体运行特点 | 第21页 |
| ·变桨距控制策略研究 | 第21-24页 |
| ·变桨距控制原理 | 第21-22页 |
| ·变桨距风力发电机组的典型工况 | 第22-23页 |
| ·变桨距控制策略研究 | 第23-24页 |
| ·小结 | 第24-25页 |
| 3 基于现场数据的风电机组神经网络建模 | 第25-40页 |
| ·引言 | 第25页 |
| ·基于现场数据的神经网络建模方法 | 第25-29页 |
| ·目前主要的风电机组建模方法 | 第26-27页 |
| ·基于现场数据的神经网络建模方法的产生和应用 | 第27-29页 |
| ·神经网络建模研究 | 第29-32页 |
| ·神经网络建模的理论依据与特点 | 第29-30页 |
| ·基于BP网络的辨识建模原理 | 第30-32页 |
| ·基于现场数据的风电机组神经网络建模 | 第32-39页 |
| ·建立数据样本集 | 第33-35页 |
| ·确定神经网络结构 | 第35-36页 |
| ·网络训练 | 第36-37页 |
| ·模型验证 | 第37-39页 |
| ·小结 | 第39-40页 |
| 4 基于小世界优化算法的变桨距神经网络模型预测控制 | 第40-57页 |
| ·引言 | 第40页 |
| ·神经网络模型预测控制 | 第40-46页 |
| ·模型预测控制 | 第40-42页 |
| ·神经网络模型预测控制 | 第42-43页 |
| ·基于神经网络的多步预测 | 第43-46页 |
| ·基于实数编码小世界优化算法的神经网络模型预测控制 | 第46-52页 |
| ·小世界优化算法研究 | 第46-49页 |
| ·基于实数编码小世界优化算法的滚动优化策略 | 第49-52页 |
| ·具体仿真研究 | 第52-56页 |
| ·仿真步骤 | 第52-54页 |
| ·仿真结果分析 | 第54-56页 |
| ·小结 | 第56-57页 |
| 5 基于小世界优化算法在线整定的自适应PI变桨距控制 | 第57-67页 |
| ·引言 | 第57页 |
| ·基于小世界优化算法在线整定的自适应PI控制 | 第57-61页 |
| ·基于BP神经网络的在线辨识 | 第58-59页 |
| ·基于小世界优化算法的PI参数在线整定 | 第59-61页 |
| ·仿真研究 | 第61-66页 |
| ·小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 作者简历 | 第74-76页 |
| 学位论文数据集 | 第76页 |
