| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1. 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 水光互补的现状与发展 | 第8-9页 |
| 1.3 遗传算法简介 | 第9-11页 |
| 1.4 论文主要工作 | 第11-12页 |
| 2. 水光互补原理与建模 | 第12-22页 |
| 2.1 水光互补基本原理 | 第12-13页 |
| 2.1.1 水光互补的概念 | 第12页 |
| 2.1.2 水光互补的原则 | 第12-13页 |
| 2.2 水光互补运行方式 | 第13-14页 |
| 2.3 水光互补的特点及影响 | 第14-17页 |
| 2.3.1 水光互补光伏电站与其它光伏电站的区别 | 第14-15页 |
| 2.3.2 水光互补的影响 | 第15-17页 |
| 2.4 水光互补光伏电站的经济模型 | 第17-20页 |
| 2.4.1 光伏电站财务评价的一般形式 | 第17-20页 |
| 2.4.2 水光互补电站经济模型 | 第20页 |
| 2.5 本章小结 | 第20-22页 |
| 3. 基于时间序列季节性ARIMA模型的电站出力预测 | 第22-38页 |
| 3.1 时间序列预测 | 第22-23页 |
| 3.2 时间序列的基本模型 | 第23-26页 |
| 3.2.1 适用于平稳性序列的随机性时间序列模型 | 第23-24页 |
| 3.2.2 自相关函数与偏自相关函数 | 第24-25页 |
| 3.2.3 ARIMA模型 | 第25-26页 |
| 3.3 时间序列的分析流程 | 第26-28页 |
| 3.4 算例与分析 | 第28-35页 |
| 3.4.1 数据准备 | 第29-31页 |
| 3.4.2 确定模型参数 | 第31-32页 |
| 3.4.3 模型预测 | 第32-35页 |
| 3.5 误差分析与改进方案 | 第35页 |
| 3.6 本章小结 | 第35-38页 |
| 4. 基于遗传算法的水光互补光伏容量优化研究 | 第38-52页 |
| 4.1 遗传算法设计 | 第38-40页 |
| 4.1.1 遗传算法一般流程 | 第38-39页 |
| 4.1.2 水光互补电站的遗传算法寻优模型 | 第39-40页 |
| 4.2 约束条件 | 第40-41页 |
| 4.2.1 遗传算法约束条件 | 第40页 |
| 4.2.2 水光互补光伏电站经济模型中的约束条件 | 第40-41页 |
| 4.3 MATLAB遗传算法工具箱介绍 | 第41-42页 |
| 4.4 算例及分析 | 第42-50页 |
| 4.4.1 水光互补电站潮流N-1约束计算 | 第43-46页 |
| 4.4.2 水光互补出力约束条件计算 | 第46-49页 |
| 4.4.3 用遗传算法计算光伏电站最优容量 | 第49-50页 |
| 4.5 讨论与分析 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5. 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 6. 致谢 | 第54-56页 |
| 参考文献 | 第56-58页 |