基于极限向量机的风电功率预测方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 课题背景及研究的目的和意义 | 第11-12页 |
| 1.2 风电功率预测理论与系统开发的发展概况 | 第12-19页 |
| 1.2.1 风电功率预测算法的分类与发展 | 第12-13页 |
| 1.2.2 风电功率预测系统开发情况 | 第13-17页 |
| 1.2.3 极限向量机算法研究现状 | 第17-18页 |
| 1.2.4 存在的问题 | 第18-19页 |
| 1.3 论文研究目标与主要内容 | 第19-20页 |
| 1.4 论文的组织结构与章节安排 | 第20-22页 |
| 第2章 基于并行SVM算法的功率预测建模研究 | 第22-37页 |
| 2.1 引言 | 第22页 |
| 2.2 预测前处理方法的讨论 | 第22-26页 |
| 2.2.1 数据收集与检验 | 第22页 |
| 2.2.2 筛选模型输入变量 | 第22-26页 |
| 2.3 SVM预测建模原理 | 第26-31页 |
| 2.3.1 最小二乘支持向量机 | 第28-29页 |
| 2.3.2 并行支持向量机 | 第29-30页 |
| 2.3.3 构建支持向量机预测模型的结构 | 第30-31页 |
| 2.4 算例分析 | 第31-36页 |
| 2.4.1 数据 | 第31-32页 |
| 2.4.2 误差指标 | 第32-33页 |
| 2.4.3 运算结果 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于ELM算法的功率预测建模研究 | 第37-46页 |
| 3.1 引言 | 第37页 |
| 3.2 极限向量机预测原理 | 第37-38页 |
| 3.3 ELM算法的学习步骤 | 第38-41页 |
| 3.4 ELM预测模型结构 | 第41-42页 |
| 3.5 算例分析 | 第42-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 基于三种向量机模型的组合预测方法研究 | 第46-51页 |
| 4.1 引言 | 第46页 |
| 4.2 预测误差形式及其量化指标 | 第46-47页 |
| 4.3 组合策略 | 第47-48页 |
| 4.4 算例分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 5.1 结论 | 第51页 |
| 5.2 创新点 | 第51页 |
| 5.3 展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |
