| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文所做主要工作 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 风电场风速及风电特性 | 第16-20页 |
| 2.1 风的形成 | 第16页 |
| 2.2 风速变化特性 | 第16-17页 |
| 2.3 风电场风速数据的采集 | 第17-18页 |
| 2.4 风电场风速与风力发电功率 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 基于高斯过程回归的短期风速预测 | 第20-34页 |
| 3.1 高斯过程回归理论 | 第20-27页 |
| 3.1.1 权值空间论 | 第20-23页 |
| 3.1.2 函数空间论 | 第23-25页 |
| 3.1.3 核函数类型 | 第25-26页 |
| 3.1.4 超参数求取 | 第26-27页 |
| 3.2 基于GPR的短期风速预测流程 | 第27-28页 |
| 3.3 基于GPR的短期风速预测仿真分析 | 第28-32页 |
| 3.3.1 基于GPR的短期风速预测模型的建立 | 第28-30页 |
| 3.3.2 模型评价指标 | 第30-31页 |
| 3.3.3 预测结果及分析 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于改进的高斯过程回归的短期风速预测 | 第34-41页 |
| 4.1 粒子群算法 | 第34-35页 |
| 4.2 量子粒子群算法 | 第35-37页 |
| 4.3 基于QPSO-GPR的短期风速预测流程 | 第37-38页 |
| 4.4 基于QPSO-GPR的短期风速预测仿真分析 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 基于经验模态分解和改进的高斯过程回归的短期风速预测 | 第41-48页 |
| 5.1 经验模态分解原理 | 第41-42页 |
| 5.2 基于EMD和QPSO-GPR的短期风速预测流程 | 第42-43页 |
| 5.3 基于EMD-QPSO-GPR的风速预测仿真分析 | 第43-47页 |
| 5.3.1 风速序列的EMD分解 | 第44页 |
| 5.3.2 模型参数的取值 | 第44-45页 |
| 5.3.3 预测结果 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第6章 基于变分模态分解和改进的高斯过程回归的短期风速预测 | 第48-58页 |
| 6.1 变分模态分解算法原理 | 第48-51页 |
| 6.1.1 变分问题的构造 | 第48-49页 |
| 6.1.2 变分问题的求解 | 第49-51页 |
| 6.1.3 VMD算法步骤 | 第51页 |
| 6.2 基于VMD和QPSO-GPR的短期风速预测流程 | 第51-52页 |
| 6.3 基于VMD-QPSO-GPR的风速预测仿真分析 | 第52-56页 |
| 6.3.1 风速序列的VMD分解 | 第52-54页 |
| 6.3.2 模型参数的取值 | 第54页 |
| 6.3.3 预测结果 | 第54-56页 |
| 6.3.4 几种不同模型预测误差比较 | 第56页 |
| 6.4 本章小结 | 第56-58页 |
| 第7章 结论与展望 | 第58-60页 |
| 7.1 结论 | 第58-59页 |
| 7.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录1 攻读硕士学位期间发表的论文 | 第65页 |
