风电场风速建模与预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题背景及意义 | 第10页 |
| ·国内外风电的发展概况 | 第10-12页 |
| ·国外风电的发展状况 | 第10-11页 |
| ·国内风电的发展状况 | 第11-12页 |
| ·国内外风速及发电量短期预测的研究现状 | 第12-15页 |
| ·风速预测的基本方法 | 第12-13页 |
| ·国外风速短期预测的研究现状 | 第13-14页 |
| ·国内风速短期预测的研究现状 | 第14-15页 |
| ·主要研究内容与组织结构 | 第15-16页 |
| 第2章 风速特性概述 | 第16-23页 |
| ·风的形成 | 第16页 |
| ·风特性 | 第16-19页 |
| ·风速及风速等级 | 第16-17页 |
| ·风速频率特性 | 第17页 |
| ·风切变特性 | 第17-18页 |
| ·风的湍流特性 | 第18-19页 |
| ·风的测量 | 第19-20页 |
| ·风速的测量 | 第19页 |
| ·风向的测量 | 第19-20页 |
| ·实际风场的风速特性分析 | 第20-22页 |
| ·风速特性 | 第20-21页 |
| ·风向特性 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 支持向量机理论 | 第23-37页 |
| ·机器学习理论 | 第23-24页 |
| ·机器学习基本理论 | 第23页 |
| ·经验风险 | 第23-24页 |
| ·经验风险最小化原则 | 第24页 |
| ·统计学习理论 | 第24-26页 |
| ·VC维 | 第25页 |
| ·推广性的界 | 第25页 |
| ·结构风险最小化原则 | 第25-26页 |
| ·支持向量机理论 | 第26-33页 |
| ·支持向量分类机 | 第27-30页 |
| ·核函数 | 第30-32页 |
| ·支持向量回归机 | 第32-33页 |
| ·最小二乘支持向量机理论 | 第33-34页 |
| ·基于最小二乘支持向量机的短期风速预测 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于最小二乘支持向量机的短期风速预预测 | 第37-45页 |
| ·基于相似数据及小波分析的支持向量机风速预测 | 第37-42页 |
| ·基于相似数据的LS-SVM模型 | 第37-39页 |
| ·基于相似数据并结合小波分析LS-SVM模型 | 第39-41页 |
| ·模型的泛化能力 | 第41-42页 |
| ·分模型对精度的影响分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 粒子群优化算法 | 第45-51页 |
| ·网格搜索法 | 第45-46页 |
| ·粒子群优化算法 | 第46-50页 |
| ·基本粒子群算法原理 | 第47-48页 |
| ·算法流程 | 第48页 |
| ·基本进化模型 | 第48-49页 |
| ·粒子群优化参数实例 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-52页 |
| ·总结 | 第51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |
