| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9页 |
| 1.2 风电场风速预测概述 | 第9-13页 |
| 1.3 本文的主要工作和结构安排 | 第13-15页 |
| 第二章 基于不同分解算法及多个优化算法的混合风速预测模型研究 | 第15-26页 |
| 2.1 数据预处理方法 | 第15-18页 |
| 2.1.1 经验模态分解 | 第15-16页 |
| 2.1.2 集合经验模态分解 | 第16-18页 |
| 2.1.3 快速集合经验模态分解 | 第18页 |
| 2.1.4 小波分解 | 第18页 |
| 2.1.5 K均值聚类 | 第18页 |
| 2.2 预测模型 | 第18-20页 |
| 2.2.1 BP神经网络 | 第19页 |
| 2.2.2 ABBP模式 | 第19-20页 |
| 2.2.3 支持向量机(SVM) | 第20页 |
| 2.3 混合优化算法—CGFPA、APSOACO和SDCS | 第20-26页 |
| 2.3.1 混合优化算法—CGFPA | 第20-22页 |
| 2.3.2 混合优化算法—SDCS | 第22-23页 |
| 2.3.3 混合优化算法—APSOACO | 第23-26页 |
| 第三章 实证分析及讨论 | 第26-68页 |
| 3.1 实证分析 | 第26-32页 |
| 3.1.1 风速数据的标准化及预处理 | 第26页 |
| 3.1.2 适应函数的选择 | 第26页 |
| 3.1.3 研究地点及数据集 | 第26-27页 |
| 3.1.4 预测性能的评估标准 | 第27页 |
| 3.1.5 风速数据聚类 | 第27-32页 |
| 3.1.6 实验设计 | 第32页 |
| 3.2 实验一：混合预测模型EMD-SDCS-SVM | 第32-37页 |
| 3.2.1 数据的划分及模型的初始化参数 | 第32-33页 |
| 3.2.2 数据预处理 | 第33-34页 |
| 3.2.3 预测结果 | 第34-37页 |
| 3.2.4 实验一总结 | 第37页 |
| 3.3 实验二：混合预测模型FEEMD-CGFPA-ABBP | 第37-49页 |
| 3.3.1 第一部分：数据预处理的应用于预预测模型中 | 第38-42页 |
| 3.3.2 第二部分：引入AB策略的BP神经网络 (ABBP)VS.传统的BP神经网络 | 第42-46页 |
| 3.3.3 第三部分：不同预测模型的预测结果对比 | 第46-49页 |
| 3.3.4 模型验证：Bias-Variance框架和Diebold-Mariano检验 | 第49页 |
| 3.4 实验三：混合预测模型WD-APSOACO-BP | 第49-63页 |
| 3.4.1 第一部分：选择输入的数量隐藏和输出层节点 | 第49-53页 |
| 3.4.2 第二部分：预测结果对比 | 第53-62页 |
| 3.4.3 预测有效度 | 第62-63页 |
| 3.5 实验四：讨论多种模型在风速时间序列预测的应用 | 第63-68页 |
| 3.5.1 三种混合模型在站点1中的应用及研究 | 第63-66页 |
| 3.5.2 三种混合模型在站点2和站点3的对比分析 | 第66-68页 |
| 结论和展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 在学期间的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
