| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-16页 |
| ·风电产业发展现状 | 第9-13页 |
| ·全球风电发展现状 | 第9-11页 |
| ·国内风电发展现状 | 第11-13页 |
| ·课题研究意义及国内外研究现状 | 第13-15页 |
| ·本文主要研究内容及章节安排 | 第15-16页 |
| 第2章 风电场风速和输出功率时间序列特性及预测概述 | 第16-21页 |
| ·时间序列的组成要素和基本分析步骤 | 第16-17页 |
| ·几种常见的时间序列分析模型 | 第17-18页 |
| ·风电场风速和输出功率的时间序列特性 | 第18-19页 |
| ·风电场风速和输出功率时间序列预测概述 | 第19-21页 |
| 第3章 基于人工神经网络的风电场短期输出功率组合预测 | 第21-30页 |
| ·人工神经网络 | 第21-24页 |
| ·BP神经网络 | 第23页 |
| ·Elman神经网络 | 第23-24页 |
| ·基于人工神经网络的风电场短期输出功率组合预测 | 第24-29页 |
| ·BP神经网络滚动预测模型 | 第25页 |
| ·Elman神经网络预测模型 | 第25-26页 |
| ·协方差优选组合预测模型 | 第26-27页 |
| ·实例分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于GA—Elman神经网络的风电场短期输出功率组合预测 | 第30-38页 |
| ·遗传算法及其在神经网络中的应用 | 第30-33页 |
| ·遗传算法 | 第30-32页 |
| ·遗传算法在神经网络中的应用 | 第32-33页 |
| ·遗传算法对Elman神经网络的优化 | 第33-34页 |
| ·基于GA—Elman神经网络的风电场短期输出功率组合预测 | 第34-37页 |
| ·功率时间序列的GA—Elman网络滚动预测模型 | 第34-35页 |
| ·天气预报数据的GA—Elman网络预测模型 | 第35页 |
| ·协方差优选组合预测模型 | 第35页 |
| ·实例分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 基于V系统和相似日的风电场输出功率短期预测 | 第38-48页 |
| ·V系统的构造 | 第38-43页 |
| ·相似日的选取 | 第43-44页 |
| ·基于V系统和相似日的风电场输出功率短期预测 | 第44-47页 |
| ·建模过程 | 第44-45页 |
| ·实验数据 | 第45页 |
| ·仿真结果及误差分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第6章 基于V系统和LSSVM的风电场短期风速及输出功率预测 | 第48-55页 |
| ·支持向量机 | 第48-50页 |
| ·最小二乘支持向量机 | 第50-51页 |
| ·基于V系统和LSSVM的风电场短期风速预测 | 第51-53页 |
| ·实验数据 | 第51页 |
| ·建模过程 | 第51-52页 |
| ·仿真结果及误差分析 | 第52-53页 |
| ·基于预测风速的输出功率预测 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录 攻读学位期间所发表的学术论文目录 | 第60页 |
