基于神经网络组合模型的风电场短期功率预测方法研究

目录

声明

第一章 绪论

1.1 课题的研究背景与意义

1.2 风电功率预测的国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 风电短期功率预测技术存在的难点

1.4 本文的主要研究内容

第二章 风电功率预测性理论基础及参数分析

2.1 风电功率预测理论基础

2.1.1 风速和功率的关系

2.1.2 风电场短期功率预测的流程及方法

2.2 风电场运行参数分析

2.2.1 预测参数的数据检验

2.2.2 采集数据的预处理

2.2.3 功率预测统计误差分析

2.2.4 误差评价指标

2.3 本章小结

第三章 浅层神经网络的风电场短期功率预测方法

3.1 几种典型浅层神经网络算法介绍

3.1.1 BP神经网络

3.1.2 Elman神经网络

3.1.3 WNN神经网络

3.2 神经网络的参数优化算法

3.2.1 灰狼优化算法原理

3.2.2 灰狼优化训练算法与流程

3.3 浅层神经网络的风电功率预测建模与仿真分析

3.3.1 典型浅层神经网络的建模方法

3.3.2 浅层神经网络的预测对比与分析

3.3.3 单一模型的优化对比与分析

3.4 本章小结

第四章 深层神经网络组合模型的风电场功率短期预测方法

4.1 卷积神经网络

4.1.1 卷积神经网络原理与结构及预测流程

4.1.2 卷积神经网络的训练算法

4.2 偏差修正算法

4.2.1 偏差修正算法原理

4.2.2 偏差修正算法步骤

4.3 基于GWO-CNN-ec组合预测模型的建模与仿真分析

4.3.1 GWO-CNN-ec的建模方法

4.3.2 GWO-CNN-ec的仿真分析

4.3.3 浅层网络与深层网络的预测模型分析对比

4.4本章小结

第五章 结论和展望

5.1 总结

5.2 展望

参考文献

攻读学位期间主要研究成果

致谢