摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 课题研究的目的与意义 | 第11页 |
1.2 短期风电功率预测研究现状 | 第11-17页 |
1.2.1 持续法 | 第13页 |
1.2.2 物理模型 | 第13页 |
1.2.3 统计模型 | 第13-16页 |
1.2.4 功率预测的误差分析 | 第16-17页 |
1.2.5 短期风电功率预测的发展方向 | 第17页 |
1.3 全文研究内容概要 | 第17-19页 |
第二章 本文相关的统计学习模型 | 第19-45页 |
2.1 高斯过程 | 第19-30页 |
2.1.1 高斯过程模型的预测 | 第19-20页 |
2.1.2 高斯过程中的贝叶斯模型选择 | 第20-22页 |
2.1.3 高斯过程模型的训练 | 第22-23页 |
2.1.4 协方差函数的选择 | 第23-29页 |
2.1.5 高斯过程模型的特点 | 第29-30页 |
2.2 限制玻尔兹曼机以及深层贝叶斯网络 | 第30-44页 |
2.2.1 限制玻尔兹曼机的模型结构 | 第30-32页 |
2.2.2 限制玻尔兹曼机的训练方法 | 第32-38页 |
2.2.3 限制玻尔兹曼机的应用 | 第38-39页 |
2.2.4 深层贝叶斯网络的构造 | 第39-43页 |
2.2.5 深层贝叶斯网络的应用 | 第43-44页 |
2.3 本章小结 | 第44-45页 |
第三章 数值气象特征的分类方法 | 第45-55页 |
3.1 风电功率预测模型中的先验假设 | 第45-47页 |
3.2 风电功率预测模型中常用的数值气象特征及其分类 | 第47-48页 |
3.3 本文所用算例数据集 | 第48-54页 |
3.3.1 竞赛数据集的特点 | 第49-51页 |
3.3.2 竞赛排名结果 | 第51-53页 |
3.3.3 竞赛数据集数值气象特征的分类 | 第53-54页 |
3.4 本章小结 | 第54-55页 |
第四章 短期风电功率监督学习预测模型的改进方法 | 第55-79页 |
4.1 扩展数值气象特征集 | 第55-56页 |
4.2 短期风电功率预测中的无标签数据 | 第56-58页 |
4.3 数据驱动型特征提取方法 | 第58-60页 |
4.4 分类/高斯-伯努利限制玻尔兹曼机以及相应的深层贝叶斯网络 | 第60-65页 |
4.4.1 分类/高斯-伯努利限制玻尔兹曼机的结构 | 第60-61页 |
4.4.2 分类/高斯-伯努利限制玻尔兹曼机的训练 | 第61-63页 |
4.4.3 将分类/高斯-伯努利限制玻尔兹曼机扩展为深层贝叶斯网络 | 第63-65页 |
4.5 改进后模型的训练与预测方法 | 第65-67页 |
4.6 算例分析 | 第67-78页 |
4.6.1 评价指标 | 第68页 |
4.6.2 数据准备 | 第68-69页 |
4.6.3 模型设置 | 第69-71页 |
4.6.4 24 小时预测误差情况比较 | 第71-75页 |
4.6.5 48 小时预测误差情况比较 | 第75-78页 |
4.7 本章小结 | 第78-79页 |
第五章 应用Trust-Tech优化方法改进的高斯过程 | 第79-100页 |
5.1 Trust-Tech优化方法概述 | 第79-82页 |
5.2 应用Trust-Tech单层搜索算法训练高斯过程模型 | 第82-85页 |
5.3 稀疏高斯过程 | 第85-89页 |
5.3.1 稀疏高斯过程模型的预测 | 第85-86页 |
5.3.2 稀疏高斯过程模型的训练 | 第86-89页 |
5.4 基于Trust-Tech单层搜索的高斯过程快速训练法 | 第89-93页 |
5.5 双层近似策略下应用Trust-Tech单层搜索方法改进的高斯过程 | 第93-99页 |
5.5.1 修改后的数据子集法 | 第93-96页 |
5.5.2 模型的训练与预测 | 第96-99页 |
5.6 本章小结 | 第99-100页 |
第六章 短期风电功率高精度点预测模型 | 第100-115页 |
6.1 组合核函数的构造 | 第100-101页 |
6.2 高精度点预测模型的训练与预测 | 第101-103页 |
6.3 算例分析 | 第103-114页 |
6.3.1 评价指标 | 第103页 |
6.3.2 数据准备 | 第103-104页 |
6.3.3 模型设置 | 第104-106页 |
6.3.4 模型训练用时情况比较 | 第106-108页 |
6.3.5 48 小时预测误差情况比较 | 第108-114页 |
6.4 本章小结 | 第114-115页 |
第七章 总结与展望 | 第115-117页 |
7.1 全文主要工作 | 第115页 |
7.2 未来工作展望 | 第115-117页 |
参考文献 | 第117-126页 |
发表论文和参加科研情况说明 | 第126-127页 |
致谢 | 第127-128页 |