基于支持向量机的风电功率组合预测模型研究

目录

声明

第一章 绪论

1.1 课题研究背景及意义

1.2 风电功率预测研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 风电功率预测技术

1.3.1 风电功率预测的分类

1.3.2 常用的风电功率预测模型

1.3.3 风电功率预测评价指标

1.4 本文的主要工作

第二章 基于支持向量机的风电功率预测

2.1 统计学习理论

2.1.1 VC维和推广性的界

2.1.2 结构风险最小化

2.2 支持向量机

2.2.1 支持向量分类机

2.2.2 支持向量回归机

2.2.3 核函数

2.3 实例仿真

2.3.1 试验思路

2.3.2 SVM参数选择

2.3.3 选取风场数据

2.3.4 风场数据预处理

2.3.5 风电功率预测结果与分析

2.4 本章小结

第三章 基于BAIPSO-SVM的风电功率组合预测

3.1 蝙蝠算法

3.1.1 蝙蝠算法的仿生原理

3.1.2 基本蝙蝠算法的原理

3.2 粒子群算法

3.2.1 PSO算法的仿生原理

3.2.2 标准PSO算法的原理

3.2.3 改进的PSO算法

3.3 BAIPSO算法优化支持向量机

3.4 实例仿真

3.5 本章小结

第四章 结合经验模态分解的风电功率组合预测

4.1 经验模态分解

4.1.1 经验模态分解的原理

4.1.2 经验模态分解的步骤

4.1.3 经验模态分解的特点

4.1.4 经验模态分解的不足

4.2 集合经验模态分解

4.2.1 集合经验模态分解的步骤

4.2.2 集合经验模态分解存在的问题

4.3 具有自适应噪声的完全集合经验模态分解

4.4 分解效果对比

4.5 实例分析

4.5.1 建立基于EMD及其改进方法的风电功率预测模型

4.5.2 建立CEEMDAN-BAIPSO-SVM风电功率组合预测模型

4.6 本章小结

第五章 总结与展望

5.1 论文总结

5.2 工作展望

参考文献

附录

在读期间公开发表的论文

致谢