声明
摘要
第1章 绪论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.3 本课题研究内容
1.4 论文的组织结构
第2章 相关理论与关键技术研究
2.1 常用预测模型
2.1.1 支持向量机预测模型
2.1.2 神经网络预测模型
2.2 深度预测模型
2.2.1 CNNs深度模型
2.2.2 RBM限制波尔兹曼机
2.2.3 DBN深度模型
2.2.4 SAE深度模型
2.3 本章小结
第3章 基于SAE_BP的风功率预测模型的研究
3.1 基于堆叠自编码器的预测模型
3.1.1 SAE_BP模型结构和训练算法
3.1.2 SAE_BP模型的构造和训练过程
3.1.3 带有稀疏性限制的SAE
3.2 基于粒子群优化算法的预测模型
3.3 实验结果
3.3.1 基于人工经验的样本构造
3.3.2 模型预测精度
3.3.3 实验结果与分析
3.4 本章小结
第4章 改进样本构造方法的深度模型研究
4.1 风功率数据序列分组
4.1.1 基于相似度的样本选取
4.1.2 基于前趋势相似度的样本选取
4.2 基于复合函数的样本构造
4.3 实验结果与分析
4.4 本章小结
第5章 风功率预测软件实现
5.1 C#与MATLAB混合编程
5.1.1 开发工具介绍
5.1.2 SAE_BP模型在Matlab中的相关设置
5.1.3 SAE_BP模型在Visual Stdio中的相关设置
5.2 基于深度学习的预测模型的实现框架
5.3 预测模型软件界面
5.4 本章小结
第6章 结论与展望
6.1 本文工作总结
6.2 未来工作及展望
参考文献
攻读硕士学位期间参加的科研工作
致谢