为了使读者更好地学习和掌握风速和风电预测建模原理，本书在风速时间序列分解的基础上，系统地介绍了基于机器学习等方法的风速和风电预测建模原理，并利用优化算法进行预测模型求解。本书主要基于典型的机器学习方法，如最小二乘支持向量机（LSSVM）、极限学习机（ELM）和小波神经网络（WNN）进行风速建模与预测，并利用优化算法进行参数优化和特征选择。此外，本书还介绍了风电预测建模方法在微电网优化调度中的应用。
本书可供风电场风速预测相关研究与技术人员参考，也适合作为高等院校相关专业教师和研究生了解风电预测的拓展资料。

第1章 绪论
1.1 风电预测及微电网优化调度研究的目的和意义
1.2 相关研究现状
1.2.1 风电预测研究现状
1.2.2 微电网优化调度研究现状
第2章 基于信号分解和参数优化的MKLSSVM风速预测
2.1 概述
2.2 基于WPD的风速数据预处理方法
2.2.1 小波包分解基本原理
2.2.2 风速数据归一化处理
2.3 基于CGDQPSO-MKLSSVM的风速预测模型
2.3.1 改进型量子粒子群CGDQPSO算法
2.3.2 自适应加权多核最小二乘（MKLSSVM）的风速预测方法
2.4 基于信号分解和参数优化的MKLSSVM风速预测建模
2.4.1 风速短期预测的建模
2.4.2 风速预测误差评价指标
2.5 案例分析
2.5.1 风速样本数据
2.5.2 风速时间序列预处理
2.5.3 单步风速预测结果及分析
2.5.4 多步风速预测结果与分析
本章小结
第3章 基于重力搜索算法优化的双核LSSVM风速预测
3.1 概述
3.2 聚合经验模态分解风速预处理方法
3.3 双核最小二乘支持向量机
3.4 混合重力搜索算法优化DKLSSVM参数和特征选择
3.4.1 重力搜索算法的工作原理
3.4.2 二进制重力搜索算法的基本原理
3.4.3 特征选择和参数优化
3.5 EEMD-HGSA-DKLSSVM风速预测模型
3.6 实例分析
3.6.1 风速统计性描述
3.6.2 EEMD风速样本数据分解
3.6.3 重构各输入空间变量
3.6.4 参数设置
3.6.5 各分量特征选择结果
3.6.6 风速预测结果及比较分析
3.6.7 与其他风速预测模型的比较与分析
本章小结
第4章 基于粒子群重力搜索算法优化的ELM风速预测
4.1 概述
4.2 风速预测方法
4.2.1 极限学习机工作原理
4.2.2 基于粒子群重力搜索混合算法的特征选择和参数优化
4.3 风速预测模型
4.4 风速预测建模
4.4.1 风速样本数据
4.4.2 风速分解结果
4.4.3 输入矩阵重构
4.4.4 特征选择与模型参数设置
4.5 风速预测结果及分析
4.5.1 单步预测结果
4.5.2 多步预测结果
本章小结
第5章 基于回溯搜索算法优化的DAWNN风速短期预测
5.1 概述
5.2 两层风速预处理
5.3 基于特征选择和参数优化的IHBSA-DAWNN风速预测方法
5.3.1 加权双激励小波函数小波神经网络
5.3.2 混合回溯搜索优化算法改进及其理论分析
5.3.3 混合编码差异性变异回溯搜索算法的性能测试
5.3.4 基于特征选择与参数优化的IHBSA-DAWNN风速预测方法
5.3.5 基于TSD-IHBSA-DAWNN的风速预测
5.4 风速预测建模
5.4.1 风速样本数据统计性描述
5.4.2 风速样本数据两层分解
5.4.3 构建DAWNN的输入变量特征矩阵
5.4.4 IHBSA-DAWNN风速预测模型
5.5 风速预测结果、比较与分析
5.5.1 案例
5.5.2 案例
5.5.3 案例
本章小结
第6章 多预测机风速预测组合模型
6.1 概述
6.2 多预测机风电预测组合模型原理
6.3 自适应加权的风速组合预测模型
6.4 案例分析
6.4.1 风速数据样本
6.4.2 风速预测结果比较和分析
本章小结
第7章 基于风电概率预测的微电网能源多目标优化调度
7.1 概述
7.2 风电概率预测模型
7.2.1 基于CEEMDAN的风电分解方法
7.2.2 基于高斯过程回归的概率预测方法
7.2.3 蝙蝠算法优化性能提升策略
7.2.4 风电概率预测
7.2.5 实证风电样本数据及预处理
7.3 微电网多目标优化调度建模
7.3.1 构建微电网多目标优化模型
7.3.2 微电网运行的约束条件
7.4 基于IMOBA和模糊决策的微电网多目标优化调度模型
7.4.1 多目标优化问题
7.4.2 改进型多目标优化蝙蝠算法及其性能评价
7.4.3 多目标优化多属性决策
7.4.4 基于IMOBA和模糊决策的微电网多目标优化调度模型
7.5 案例分析
7.5.1 以运行成本最小为目标的运行场景Ⅰ
7.5.2 以污染物排放量最小为目标的运行场景Ⅱ
7.5.3 以运行成本和污染物排放为优化目标的运行场景Ⅲ
7.5.4 计算每小时Pareto最优前沿解的运行场景Ⅳ
7.5.5 按照电池充放电特性曲线进行调度的运行场景Ⅴ
本章小结
第8章 计及风电区间预测微电网系统日前优化调度
8.1 概述
8.2 微电网优化调度目标函数
8.2.1 光伏发电
8.2.2 风电发电
8.2.3 微型汽轮机发电
8.2.4 燃料电池发电
8.2.5 电池储能系统
8.2.6 目标优化函数
8.2.7 约束条件
8.3 风电概率区间预测
8.3.1 改进型水循环优化算法
8.3.2 风电确定性预测
8.3.3 风电预测误差概率分布
8.3.4 自适应模糊控制风电预测误差置信度
8.3.5 风电预测误差概率区间
8.4 基于负荷平移的需求响应
8.4.1 需求侧负荷分类
8.4.2 需求侧响应模型
8.5 微电网多目