| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究综述 | 第12-21页 |
| 1.2.1 风电预测的本质描述 | 第12-14页 |
| 1.2.2 电预测的物理方法 | 第14页 |
| 1.2.3 电预测的统计方法 | 第14-20页 |
| 1.2.4 预测误差评价指标 | 第20-21页 |
| 1.3 本文的主要工作 | 第21-23页 |
| 第2章 基于SMO支持向量机的预测模型 | 第23-37页 |
| 2.1 小波变换与GS优化支持向量机 | 第23-28页 |
| 2.1.1 小波变换 | 第23-24页 |
| 2.1.2 SMO支持向量机 | 第24-27页 |
| 2.1.3 网格搜索优化支持向量机 | 第27-28页 |
| 2.2 基于SVM的风电预测建模 | 第28-30页 |
| 2.2.1 速超短期预测建模 | 第29-30页 |
| 2.2.2 功率短期预测建模 | 第30页 |
| 2.3 仿真分析 | 第30-35页 |
| 2.3.1 风速超短期预测 | 第30-33页 |
| 2.3.2 风电功率短期预测 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 基于神经网络的误差修正改进超短期风速预测 | 第37-49页 |
| 3.1 超短期预测误差分析 | 第37-43页 |
| 3.1.1 误差时变特性分析 | 第37-39页 |
| 3.1.2 误差序列的自相关性分析 | 第39-41页 |
| 3.1.3 误差序列与风速序列相关性分析 | 第41-43页 |
| 3.2 神经网络原理 | 第43-45页 |
| 3.3 仿真分析 | 第45-48页 |
| 3.3.1 误差修正模型的建立 | 第45-46页 |
| 3.3.2 修正结果 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 基于高斯过程的误差修正改进短期风电功率预测 | 第49-63页 |
| 4.1 短期预测误差分析 | 第49-56页 |
| 4.1.1 短期预测误差相关性分析 | 第49-52页 |
| 4.1.2 预测功率分布的贝塔拟合 | 第52-55页 |
| 4.1.3 预测误差分布的混合正态分布拟合 | 第55-56页 |
| 4.2 高斯过程回归 | 第56-60页 |
| 4.2.1 高斯过程介绍 | 第56-57页 |
| 4.2.2 回归分析 | 第57-58页 |
| 4.2.3 高斯回归预测 | 第58-59页 |
| 4.2.4 协方差函数及超参数 | 第59-60页 |
| 4.3 仿真分析 | 第60-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 附表A 超短期预测误差自相关系数表 | 第65-66页 |
| 附表B 短期预测Beta分组拟合数据表 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间所发表的论文成果 | 第73-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |