| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 第2章 风电场超短期发电功率预测方法 | 第14-22页 |
| 2.1 风力发电特性 | 第14-17页 |
| 2.1.1 风能的特性及参数 | 第14-15页 |
| 2.1.2 风电机组的功率特性 | 第15-16页 |
| 2.1.3 影响风力发电功率预测准确性的因素 | 第16-17页 |
| 2.2 风力发电功率预测方法分类 | 第17-19页 |
| 2.3 风力发电功率的超短期预测 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 风速时间序列的变分模态分解 | 第22-29页 |
| 3.1 变分模态分解 | 第22-26页 |
| 3.1.1 变分问题的构造 | 第22-23页 |
| 3.1.2 变分问题的求解 | 第23-25页 |
| 3.1.3 变分模态分解算法 | 第25-26页 |
| 3.2 风速时间序列的变分模态分解实验分析 | 第26-28页 |
| 3.2.1 风速时间序列的数据预处理 | 第26-27页 |
| 3.2.2 风速时间序列变分模态分解实例 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 基于VMD-DBN模型的超短期风速预测建模 | 第29-45页 |
| 4.1 深度置信网络模型建立 | 第29-36页 |
| 4.1.1 限制玻尔兹曼机 | 第30-35页 |
| 4.1.2 深度置信网络 | 第35-36页 |
| 4.2 基于VMD-DBN的风速多步超前预测方法 | 第36-39页 |
| 4.2.1 超短期风速超前预测策略 | 第36-37页 |
| 4.2.2 基于VMD-DBN的超短期风速预测方法 | 第37-39页 |
| 4.3 实验及结果分析 | 第39-44页 |
| 4.3.1 实验数据与误差指标 | 第39-40页 |
| 4.3.2 实验对比分析 | 第40-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 风电场超短期发电功率预测 | 第45-56页 |
| 5.1 支持向量机的基本原理 | 第45-49页 |
| 5.1.1 支持向量分类机 | 第45-47页 |
| 5.1.2 支持向量回归机 | 第47-49页 |
| 5.2 风电场超短期发电功率预测模型建立 | 第49-53页 |
| 5.3 实验及结果分析 | 第53-55页 |
| 5.3.1 风力发电功率预测误差评价指标 | 第53页 |
| 5.3.2 仿真结果及分析 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |