| 中文摘要 | 第1页 |
| 英文摘要 | 第3-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题背景及意义 | 第7-8页 |
| ·国内外风速及发电功率预测的研究现状 | 第8-11页 |
| ·风速预测的基本方法 | 第8-10页 |
| ·国外风速预测研究现状 | 第10-11页 |
| ·国内风速预测研究现状 | 第11页 |
| ·论文的主要研究内容 | 第11-12页 |
| ·本文的内容安排 | 第12-13页 |
| 第二章 风特性分析 | 第13-24页 |
| ·风特性 | 第13-17页 |
| ·风速与风级 | 第13-14页 |
| ·风剪切特性 | 第14-15页 |
| ·风速频率分布特性 | 第15-16页 |
| ·风的湍流特性 | 第16-17页 |
| ·常用风速模型 | 第17-19页 |
| ·平均风速与湍流风速模型 | 第17-18页 |
| ·谐波总和 | 第18页 |
| ·阵风、渐变风和随机风模型 | 第18-19页 |
| ·风速测量 | 第19-21页 |
| ·实际风电场风特性分布 | 第21-24页 |
| ·数据介绍 | 第21-22页 |
| ·风向特性 | 第22页 |
| ·风速频率分布特性 | 第22-24页 |
| 第三章 基于时间序列的风速预测模型 | 第24-38页 |
| ·时间序列法介绍 | 第24页 |
| ·时间序列的统计学模型 | 第24-26页 |
| ·自回归模型AR(p) | 第25页 |
| ·滑动平均模型MA(q) | 第25页 |
| ·自回归滑动平均模型ARMA(p,q) | 第25-26页 |
| ·求和式自回归滑动平均模型ARIMA(p,d,q) | 第26页 |
| ·时间序列的平稳性 | 第26-27页 |
| ·风速时间序列模型 | 第27-30页 |
| ·风速数据预处理 | 第27页 |
| ·模型定阶 | 第27-29页 |
| ·参数估计 | 第29-30页 |
| ·模型检验 | 第30页 |
| ·实例分析 | 第30-38页 |
| ·计算步骤 | 第30-31页 |
| ·计算实例和分析 | 第31-35页 |
| ·风速预测及误差分析 | 第35-37页 |
| ·分析结论 | 第37-38页 |
| 第四章 基于人工神经网络的风速预测 | 第38-58页 |
| ·人工神经网络简介 | 第38-40页 |
| ·人工神经元模型 | 第39-40页 |
| ·BP神经网络 | 第40-45页 |
| ·BP神经网络的学习 | 第40-44页 |
| ·BP网络的特点及局限性 | 第44-45页 |
| ·带动量项和自适应学习率的BP算法 | 第45页 |
| ·遗传算法 | 第45-48页 |
| ·染色体编码 | 第46-47页 |
| ·产生初始种群 | 第47页 |
| ·适应度函数 | 第47页 |
| ·遗传算子(选择、交叉、变异) | 第47-48页 |
| ·算法的终止条件 | 第48页 |
| ·遗传神经网络 | 第48-50页 |
| ·遗传算法优化神经网络的步骤 | 第49-50页 |
| ·遗传神经网络在风速预测中的应用 | 第50-58页 |
| ·遗传神经网络进行预测的基本步骤 | 第50-52页 |
| ·实例分析 | 第52-58页 |
| 第五章 风电机组的发电量预报 | 第58-64页 |
| ·风力机的空气动力学 | 第58-59页 |
| ·功率特性分析 | 第59-61页 |
| ·短期发电量预报 | 第61-64页 |
| 第六章 结论与展望 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70-73页 |
| 在学期间发表的学术论文和参加科研情况 | 第73页 |