声明
摘要
1.1 研究背景与意义
1.2 国内外研究现状及发展动态
1.3 主要研究内容
2.1 概述
2.2 风电机组控制理论
2.2.1 基本控制原理
2.2.2 变桨与变速的分步控制
2.2.3 过渡区域变桨调节制
2.3 神经网络
2.3.1 BP神经网络基本原理
2.3.2 自学习优化算法的提出
2.4 本章小结
第3章 神经网络模型的搭建和参数确定
3.1 概述
3.2 神经网络的初始化
3.2.1 训练数据选择
3.2.2 隐含层神经元数
3.2.3 初始权值、阈值和学习率的选择
3.3 神经网络的训练
3.3.1 输入输出的归一化
3.3.2 迭代次数与批量计算
3.3.3 隐含层和初始权值、阈值确定
3.4 预测的时间尺度与准确度的关系
3.5 过高风速下数据剔除
3.6 本章小结
第4章 自学习优化算法
4.1 自学习算法控制策略
4.1.1 预测参数选取
4.1.2 自学习算法的控制逻辑
4.1.3 自学习算法对控制参数调整量
4.1.4 训练数据风况控制结果
4.2 自学习算法控制的适用性
4.2.1 同一训练后神经网络对不同风况的适用性
4.2.2 基于再训练神经网络的自学习算法的适用性
4.3 本章小结
5.1 结论
5.2 展望
参考文献
攻读硕士学位期间发表的论文及其它结果
致谢