光伏发电功率的预测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题研究的背景 | 第11-14页 |
| ·世界光伏发电发展现状 | 第11-13页 |
| ·我国光伏发电发展现状 | 第13-14页 |
| ·课题的研究意义和目的 | 第14-15页 |
| ·国内外研究现状 | 第15-16页 |
| ·功率输出预测的基本方法 | 第15-16页 |
| ·组合预测方法 | 第16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第2章 光伏发电功率与气象因素相关性分析 | 第18-27页 |
| ·光伏电站实例数据资料 | 第18-19页 |
| ·光伏输出功率的影响因素分析 | 第19-23页 |
| ·辐照强度对光伏输出功率的影响 | 第19-20页 |
| ·气温对光伏输出功率的影响 | 第20-21页 |
| ·相对湿度对光伏输出功率的影响 | 第21-22页 |
| ·风况对光伏输出功率的影响 | 第22页 |
| ·降雨及其它因素对光伏输出功率的影响 | 第22-23页 |
| ·通径分析 | 第23-26页 |
| ·通径分析的基本概念 | 第23-24页 |
| ·影响因素的通径分析结果 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 单项预测模型研究 | 第27-44页 |
| ·多元线性回归模型 | 第27-30页 |
| ·光伏电池模型输出功率理论计算 | 第27-29页 |
| ·多元线性回归模型 | 第29-30页 |
| ·混沌神经网络模型 | 第30-35页 |
| ·混沌理论 | 第30-31页 |
| ·人工神经网络 | 第31-33页 |
| ·混沌神经网络 | 第33-35页 |
| ·支持向量回归模型 | 第35-41页 |
| ·统计学习基本理论 | 第35-38页 |
| ·支持向量回归原理 | 第38-39页 |
| ·SVR 模型核函数的选择 | 第39-40页 |
| ·SVR 模型参数的选择 | 第40-41页 |
| ·灰色模型 | 第41-43页 |
| ·灰色生成 | 第41页 |
| ·灰色模型 GM(1,1) | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 组合预测方法研究 | 第44-59页 |
| ·组合预测方法基本原理 | 第44-48页 |
| ·组合预测概述 | 第44-45页 |
| ·组合预测的基本方法 | 第45-46页 |
| ·组合预测方法分类 | 第46-48页 |
| ·组合预测模型 | 第48-53页 |
| ·非最优组合预测模型 | 第48-50页 |
| ·基于相关性指标的最优组合预测模型 | 第50-51页 |
| ·基于预测误差指标的最优组合预测模型 | 第51-53页 |
| ·组合预测模型的权重确定方法 | 第53-58页 |
| ·熵值法 | 第53-54页 |
| ·基于向量夹角的余弦方法 | 第54-56页 |
| ·粒子群优化算法 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 光伏发电功率预测算例分析 | 第59-71页 |
| ·光伏发电功率预测数据预处理 | 第59-64页 |
| ·归一化处理 | 第59-60页 |
| ·气象数据的模糊化处理 | 第60-62页 |
| ·历史数据缺失值与异常值的处理 | 第62-64页 |
| ·组合预测建模 | 第64-66页 |
| ·组合模型预测流程 | 第64-65页 |
| ·模型优化改进 | 第65-66页 |
| ·模型预测误差的衡量指标 | 第66页 |
| ·预测实例结果与误差分析 | 第66-70页 |
| ·各单项预测模型预测结果 | 第67-69页 |
| ·组合模型预测结果 | 第69页 |
| ·预测误差分析 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 作者简介 | 第79页 |
