第一个书签之前
摘要
Abstract
第1章 绪论
1.1 风电发展现状
1.2 风电功率预测发展现状
1.3 风电功率的统计特性研究现状
1.4 本文主要工作
第2章 基于误差修正的LS-SVM风功率预测模型
2.1 基于误差修正的最小二乘支持向量机风功率预测模型
2.1.1 最小二乘支持向量机算法
2.1.2 误差修正模型
2.2 误差修正的风功率预测模型
2.2.1 风场数据
2.2.2 训练集和测试集
2.2.3 误差修正的LS-SVM风功率预测
2.2.4 风功率预测结果及误差分析
2.3 本章小结
第3章 基于Lorenz扰动的神经网络风速预测模型
3.1 大气动力系统
3.2 基于Lorenz扰动的神经网络风速预测模型
3.2.1 风场数据
3.2.2 Lorenz扰动的神经网络风速预测
3.2.3 风速的预测结果及误差分析
3.3 本章小结
第4章 初始值不同的Lorenz方程对风速预测的扰动作用
4.1 初始值不同的Lorenz系统
4.2.1 风场数据
4.2.2 小波—时间序列(W-ARMA)风速预测模型
4.2.3 Lorenz扰动的小波—时间序列(W-ARMA)风速预测模型
4.2.4 风速的预测结果和误差分析
4.3 本章小结
第5章 基于主成分分析的Lorenz扰动风速预测模型
5.1 风场数据
5.2 风速影响因素的主成分模型
5.3 基于主成分分析的Lorenz扰动风速预测模型
5.4 风速的预测结果及误差分析
5.4.1 最优扰动系数和扰动序列
5.4.2 风速预测模型的误差分析
5.4.3 风速的预测结果
5.5本章小结
第6章 总结与展望
6.1 本文的工作重点
6.2 本文工作的主要创新点
6.3 风电功率预测的研究展望
参考文献
攻读硕士学位期间发表的学术成果
学术论文
发明专利
攻读硕士学位期间参加的科研工作
致谢
华北电力大学;
华北电力大学(保定);