| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 风电功率预测研究现状 | 第12-14页 |
| 1.2.2 云计算技术研究现状 | 第14-15页 |
| 1.3 课题研究的主要内容 | 第15-16页 |
| 1.4 论文的组织安排 | 第16-18页 |
| 第2章 相关技术 | 第18-24页 |
| 2.1 Hadoop核心技术 | 第18-20页 |
| 2.1.1 分布式文件系统HDFS | 第18-19页 |
| 2.1.2 分布式计算框架Map Reduce | 第19-20页 |
| 2.2 Spark云计算框架 | 第20-23页 |
| 2.2.1 Spark框架概述 | 第21-22页 |
| 2.2.2 Spark编程模型 | 第22页 |
| 2.2.3 Spark与Hadoop的比较 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 IDE-SEN-IRFR短期风电功率预测算法设计 | 第24-36页 |
| 3.1 随机森林回归算法 | 第24-25页 |
| 3.2 基于M5P模型树改进的IRFR算法设计 | 第25-28页 |
| 3.2.1 M5P模型树 | 第25-26页 |
| 3.2.2 IRFR预测算法设计 | 第26-28页 |
| 3.3 IDE-SEN-IRFR算法设计 | 第28-35页 |
| 3.3.1 选择性集成方法 | 第28页 |
| 3.3.2 差分进化算法 | 第28-29页 |
| 3.3.3 改进的差分进化算法 | 第29-32页 |
| 3.3.4 IDE-SEN-IRFR算法设计 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于Spark的IDE-SEN-IRFR算法设计 | 第36-41页 |
| 4.1 Spark RDD基本操作 | 第36-37页 |
| 4.2 IDE-SEN-IRFR算法并行化分析 | 第37-38页 |
| 4.3 基于Spark的IDE-SEN-IRFR算法并行化设计 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 实验与算例分析 | 第41-52页 |
| 5.1 Spark云计算平台搭建与配置 | 第41-43页 |
| 5.1.1 系统环境说明 | 第41页 |
| 5.1.2 CDH部署与配置 | 第41-43页 |
| 5.2 风电数据分析 | 第43-46页 |
| 5.2.1 风电数据统计规律分析 | 第43-45页 |
| 5.2.2 风电功率影响因素分析 | 第45-46页 |
| 5.3 实验数据集设计 | 第46-47页 |
| 5.4 算法评估标准 | 第47-48页 |
| 5.4.1 算法预测精度评估标准 | 第47页 |
| 5.4.2 算法并行性能评估标准 | 第47-48页 |
| 5.5 算例分析 | 第48-51页 |
| 5.5.1 IDE-SEN-IRFR算法预测结果误差分析 | 第48-49页 |
| 5.5.2 基于Spark的IDE-SEN-IRFR算法并行性能分析 | 第49-51页 |
| 5.6 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |
