| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-16页 |
| 1.1 课题研究的背景和意义 | 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 光伏发电的国内外发展现状 | 第9-11页 |
| 1.2.2 光伏发电功率预测的国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究工作 | 第14-16页 |
| 第二章 光伏发电技术及光伏发电功率特性分析 | 第16-30页 |
| 2.1 光伏发电系统 | 第16-19页 |
| 2.1.1 太阳能电池的基本构造及工作原理 | 第16-17页 |
| 2.1.2 光伏发电系统的组成 | 第17-18页 |
| 2.1.3 光伏发电系统的分类 | 第18-19页 |
| 2.2 智能电网框架下光伏发电技术的发展 | 第19-23页 |
| 2.2.1 智能电网技术简介 | 第19-21页 |
| 2.2.2 智能电网框架下光伏发电技术的发展 | 第21-23页 |
| 2.3 光伏发电功率特性分析 | 第23-28页 |
| 2.3.1 光伏发电功率的影响因素 | 第23-27页 |
| 2.3.2 光伏发电功率数据的相关性分析 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于回声状态神经网络的光伏发电功率预测模型研究 | 第30-42页 |
| 3.1 人工神经网络 | 第30-34页 |
| 3.1.1 人工神经网络概述 | 第30-32页 |
| 3.1.2 常规BP神经网络原理与算法 | 第32-34页 |
| 3.2 基于回声状态神经网络的光伏发电功率预测模型研究 | 第34-37页 |
| 3.2.1 基于回声状态神经网络的光伏发电功率预测模型研究 | 第34-36页 |
| 3.2.2 ESN预测模型的学习算法 | 第36-37页 |
| 3.3 算例仿真 | 第37-40页 |
| 3.3.1 数据预处理 | 第37页 |
| 3.3.2 算例分析 | 第37-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于模块化回声状态神经网络的光伏发电功率预测模型研究 | 第42-54页 |
| 4.1 相空间重构理论 | 第42-44页 |
| 4.1.1 混沌系统 | 第42页 |
| 4.1.2 Takens定理 | 第42-44页 |
| 4.2 基于模块化回声状态神经网络的光伏发电功率预测模型 | 第44-49页 |
| 4.2.1 储备池状态空间重构 | 第44-45页 |
| 4.2.2 模块化回声状态神经网络预测模型 | 第45-47页 |
| 4.2.3 MESN的学习算法 | 第47-49页 |
| 4.3 仿真验证 | 第49-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间的研究成果 | 第60-62页 |
| 致谢 | 第62-64页 |
