| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题研究背景、特点及意义 | 第10-13页 |
| 1.1.1 微电网研究背景 | 第10-12页 |
| 1.1.2 微电网的特点及研究意义 | 第12-13页 |
| 1.2 微电网研究及发展现状 | 第13-16页 |
| 1.2.1 国外研究和发展现状 | 第13-15页 |
| 1.2.2 国内研究和发展现状 | 第15-16页 |
| 1.3 课题模型及构成 | 第16-18页 |
| 1.4 课题的工作重点和内容安排 | 第18-20页 |
| 第二章 预备知识与理论工具 | 第20-31页 |
| 2.1 引言 | 第20页 |
| 2.2 主预测工具 | 第20-25页 |
| 2.2.1 人工神经网络 | 第20-21页 |
| 2.2.2 BP神经网络 | 第21-24页 |
| 2.2.3 GA-BP神经网络 | 第24-25页 |
| 2.3 辅预测工具 | 第25-27页 |
| 2.4 能量优化管理与控制理论工具 | 第27-30页 |
| 2.4.1 控制理论工具 | 第27-28页 |
| 2.4.2 可再生能源能量管理工具 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 微电网的功率预测 | 第31-46页 |
| 3.1 引言 | 第31-32页 |
| 3.2 气象因素对微电网发电功率的影响分析 | 第32-35页 |
| 3.2.1 光照强度对光伏微电网发电功率的影响分析 | 第32-33页 |
| 3.2.2 温度对光伏微电网发电功率的影响分析 | 第33-34页 |
| 3.2.3 风速对光伏微电网发电功率的影响分析 | 第34页 |
| 3.2.4 风速对风力微电网发电功率的影响分析 | 第34-35页 |
| 3.3 基于回归分析的微电网功率预测研究 | 第35-40页 |
| 3.4 基于神经网络的微电网功率预测 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 无预测控制的微电网能量管理 | 第46-53页 |
| 4.1 能量管理结构概述 | 第46-47页 |
| 4.2 LDMs的决策问题 | 第47-49页 |
| 4.3 UDM决策问题与无约束LDM策略 | 第49-50页 |
| 4.4 约束的UDM决策问题 | 第50-51页 |
| 4.5 能量管理结构模型 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 基于神经网络预测控制的微电网能量优化管理 | 第53-60页 |
| 5.1 引言 | 第53页 |
| 5.2 能量优化管理结构模型 | 第53-56页 |
| 5.3 运行仿真分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-63页 |
| 6.1 论文总结 | 第60-61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间的主要研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附录1 程序代码表 | 第70-76页 |