|
|
|
基于数据挖掘与非线性分位数回归的风电功率概率密度预测方法 |
|
论文目录 |
|
致谢 | 第7-8页 | 摘要 | 第8-9页 | abstract | 第9-10页 | 第一章 绪论 | 第15-24页 | 1.1 研究背景与意义 | 第15-17页 | 1.2 风电功率预测研究现状 | 第17-20页 | 1.2.1 风电功率预测方法 | 第18-19页 | 1.2.2 风电功率不确定性预测研究 | 第19-20页 | 1.3 主要研究内容 | 第20-24页 | 1.3.1 研究方法 | 第20-21页 | 1.3.2 本文的主要创新点 | 第21-22页 | 1.3.3 研究思路 | 第22-24页 | 第二章 相关模型概述 | 第24-30页 | 2.1 数据预处理 | 第24-25页 | 2.1.1 异常值检测 | 第24页 | 2.1.2 三次样条插值 | 第24-25页 | 2.2 分位数回归 | 第25-26页 | 2.3 支持向量分位数回归 | 第26-28页 | 2.3.1 支持向量机基本理论 | 第26-27页 | 2.3.2 支持向量分位数回归模型 | 第27-28页 | 2.4 神经网络分位数回归 | 第28-30页 | 2.4.1 神经网络基本理论 | 第28-29页 | 2.4.2 神经网络分位数回归模型 | 第29-30页 | 第三章 基于支持向量分位数回归的风电功率概率密度预测 | 第30-38页 | 3.1 支持向量分位数回归的风电功率预测模型 | 第30页 | 3.2 基于核密度估计的概率密度预测 | 第30-32页 | 3.3 预测结果评价准则 | 第32-34页 | 3.3.1 点预测结果分析 | 第32-33页 | 3.3.2 区间预测评价准则 | 第33-34页 | 3.4 风电功率数据集案例分析 | 第34-38页 | 第四章 基于三次样条插值和支持向量分位数回归的风电功率概率密度预测 | 第38-46页 | 4.1 基于三次样条插值和支持向量分位数回归的概率密度预测模型 | 第38页 | 4.2 考虑异常值影响的风电功率预测案例分析 | 第38-46页 | 4.2.1 加拿大安大略省风电功率样本 | 第40-43页 | 4.2.2 吉林省风电场输出功率样本 | 第43-46页 | 第五章 基于无偏交叉验证和神经网络分位数回归的风电功率概率密度预测 | 第46-56页 | 5.1 基于无偏交叉验证和神经网络分位数回归的概率密度预测模型 | 第46-48页 | 5.2 不同季节下的风电功率预测案例分析 | 第48-56页 | 5.2.1 冬季风电数据案例分析 | 第49-52页 | 5.2.2 夏季风电数据案例分析 | 第52-56页 | 第六章 总结与展望 | 第56-58页 | 6.1 本文主要研究工作和意义 | 第56页 | 6.2 研究展望 | 第56-58页 | 参考文献 | 第58-64页 | 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |
|
|
|
|
论文编号BS3955144,这篇论文共65页 会员购买按0.35元/页下载,共需支付22.75元。 直接购买按0.5元/页下载,共需要支付32.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|