摘要 | 第5-6页 |
Abstarct | 第6页 |
第1章 绪论 | 第9-15页 |
1.1 研究背景和意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.3 论文主要工作 | 第13页 |
1.4 论文组织结构 | 第13-15页 |
第2章 光伏发电的工作原理与影响因素分析 | 第15-22页 |
2.1 光伏发电的工作原理 | 第15页 |
2.2 光伏电站的出力特性分析 | 第15-17页 |
2.3 光伏发电的影响因素分析 | 第17-21页 |
2.3.1 地表太阳辐射的影响 | 第17-18页 |
2.3.2 遮挡物质的影响 | 第18-19页 |
2.3.3 其他因素的影响 | 第19-21页 |
2.4 本章小结 | 第21-22页 |
第3章 相关理论模型 | 第22-32页 |
3.1 支持向量回归模型 | 第22-26页 |
3.1.1 线性支持向量回归模型 | 第22-24页 |
3.1.2 非线性改进 | 第24-25页 |
3.1.3 序列最小最优化 | 第25-26页 |
3.2 隐马尔可夫模型 | 第26-31页 |
3.2.1 模型的定义 | 第26-27页 |
3.2.2 前向后向算法 | 第27-29页 |
3.2.3 Baum-Welch算法 | 第29-30页 |
3.2.4 Viterbi算法 | 第30-31页 |
3.3 本章小结 | 第31-32页 |
第4章 考虑云遮系数的光伏超短期功率预测模型 | 第32-48页 |
4.1 云遮系数的定义 | 第32页 |
4.2 预测模型整体流程 | 第32-34页 |
4.3 晴天地表太阳辐射预测模型 | 第34-35页 |
4.4 云遮系数预测模型 | 第35-37页 |
4.5 光伏功率预测模型 | 第37-38页 |
4.6 算例验证分析 | 第38-47页 |
4.6.1 数据预处理 | 第38-40页 |
4.6.2 晴天地表辐射模型 | 第40-42页 |
4.6.3 云遮系数模型 | 第42-45页 |
4.6.4 光伏功率模型 | 第45-47页 |
4.7 本章小结 | 第47-48页 |
第5章 基于BPNN-SVR的改进光伏功率预测模型 | 第48-54页 |
5.1 引言 | 第48-49页 |
5.2 BPNN-SVR预测算法模型 | 第49-52页 |
5.2.1 BP神经网络模型 | 第49-51页 |
5.2.2 BPNN与SVR的组合模型 | 第51-52页 |
5.3 算例分析 | 第52-53页 |
5.4 本章小结 | 第53-54页 |
第6章 结论和展望 | 第54-55页 |
6.1 结论 | 第54页 |
6.2 展望 | 第54-55页 |
参考文献 | 第55-58页 |
攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
致谢 | 第59页 |