声明
致谢
摘要
第一章 绪论
1.1 国内外风电发展现状
1.2 课题的研究背景及意义
1.3 风速预测的研究现状
1.4 本文主要工作
第二章 风速特性研究和几种预测方法比较
2.1 风速的分布特性
2.1.1 风速分布的密度函数
2.1.2 参数k和C估计
2.2 风速总体变化特点
2.3 风速非线性的统计学特征
2.4 常见的几种风速预测方法
2.4.1 BP神经网络
2.4.2 GRNN神经网络
2.4.3 支持向量机
2.5 几种预测方法结果分析
2.6 本章小结
第三章 基于Akima插值改进的LMD分解算法
3.1 传统LMD算法
3.1.1 传统LMD分解过程
3.1.2 EMD算法简介
3.1.3 LMD和EMD理论比较
3.1.4 LMD的不足
3.2 Akima插值法
3.3 基于Akima插值改进的LMD算法
3.3.1 Akima插值改进LMD
3.3.2 波形匹配延拓
3.3.3 改进的LMD算法的流程
3.4 分解效果评价指标
3.5 本章小结
第四章 基于最小一乘准则的SK-LSSVM
4.1 最小二乘支持向量机
4.1.1 LSSVM原理
4.1.2 LSSVM的核函数
4.1.3 LSSVM参数对预测结果的影响
4.2 分段核函数
4.3 基于最小一乘准则的粒子群算法的参数优化
4.3.1 最小一乘法
4.3.2 基于最小一乘准则的粒子群参数寻优
4.4 基于最小一乘准则的SK-LSSVM的风速预测模型
4.5 本章小结
第五章 基于Akima插值改进的LMD和最小一乘准则下的SK-LSSVM组合风速预测模型
5.1 组合预测模型
5.2 算例分析
5.2.1 风速特征分析
5.2.2 数据预处理
5.2.3 预测模型的建立及参数确定
5.2.4 预测结果分析
5.3 本章小结
第六章 风速预测误差分析
6.1 风速预测的不确定性分析
6.1.1 风速的构成
6.1.2 风速预测模型
6.1.3 风速影响因素
6.1.4 风速预测误差
6.2 风速预测误差的概率分析
6.2.1 误差分布特点
6.2.2 混合偏态分布
6.2.3 模型特点
6.2.4 分布模型参数估计
6.3 算例分析
6.4 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况