智能电网中光伏发电功率预测研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-16页 |
| 1.1 课题的研究背景及意义 | 第6-9页 |
| 1.1.1 课题的研究背景 | 第6-8页 |
| 1.1.2 课题的研究意义 | 第8-9页 |
| 1.2 课题的国内外研究现状 | 第9-14页 |
| 1.2.1 光伏发电的国内外研究现状 | 第9-12页 |
| 1.2.2 光伏发电功率预测的国内外研究现状 | 第12-14页 |
| 1.3 本文主要研究的内容 | 第14-16页 |
| 第二章 光伏发电在智能电网中的应用 | 第16-24页 |
| 2.1 智能电网的概述 | 第16-17页 |
| 2.2 光伏发电系统 | 第17-20页 |
| 2.2.1 光伏发电系统的分类 | 第17-18页 |
| 2.2.2 并网光伏发电系统的组成 | 第18-20页 |
| 2.3 智能电网与光伏发电的关系 | 第20-21页 |
| 2.4 智能电网对光伏发电的作用 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于PSO-RNN的光伏发电功率预测研究 | 第24-38页 |
| 3.1 人工神经网络预测模型概述 | 第24-25页 |
| 3.2 BP神经网络预测模型 | 第25-27页 |
| 3.3 PSO-RNN预测模型 | 第27-30页 |
| 3.4 仿真验证 | 第30-37页 |
| 3.4.1 光伏输出功率的影响因素分析 | 第30-33页 |
| 3.4.2 实验数据的选取与处理 | 第33页 |
| 3.4.3 算例分析 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于DNN的光伏发电功率预测研究 | 第38-46页 |
| 4.1 深层神经网络模型 | 第38-40页 |
| 4.2 深层神经网络的学习算法 | 第40-42页 |
| 4.3 仿真验证 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读学位期间的研究成果 | 第52-54页 |
| 致谢 | 第54-56页 |
