| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-12页 |
| 1.1.1 电力负荷预测概况 | 第9-10页 |
| 1.1.2 光伏发电概况 | 第10-11页 |
| 1.1.3 课题研究意义 | 第11-12页 |
| 1.2 国内外研究动态 | 第12-14页 |
| 1.2.1 电力短期负荷预测研究动态 | 第12-13页 |
| 1.2.2 光伏发电短期输出功率预测研究动态 | 第13-14页 |
| 1.3 本课题的主要研究内容 | 第14-17页 |
| 第二章 深度学习算法的研究 | 第17-25页 |
| 2.1 深度学习(DeepLearning)算法 | 第17-18页 |
| 2.1.1 深度学习与神经网络的比较 | 第17-18页 |
| 2.1.2 深度学习算法的训练过程 | 第18页 |
| 2.2 受限玻尔兹曼机(RestrictedBoltzmannMachine,RBM) | 第18-22页 |
| 2.3 深信度网络(DeepBeliefNetworks,DBNs) | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 电力短期负荷预测方法的研究 | 第25-37页 |
| 3.1 负荷数据分析 | 第25-31页 |
| 3.1.1 日负荷 | 第25-27页 |
| 3.1.2 周负荷 | 第27-28页 |
| 3.1.3 月负荷 | 第28-29页 |
| 3.1.4 温度因素对负荷的影响 | 第29-30页 |
| 3.1.5 节假日因素对负荷的影响 | 第30-31页 |
| 3.2 负荷预测模型的建立 | 第31-33页 |
| 3.2.1 数据集的选取与输入变量的确定 | 第31页 |
| 3.2.2 数据的归一化 | 第31-32页 |
| 3.2.3 模型参数的确定 | 第32-33页 |
| 3.3 预测结果分析 | 第33-35页 |
| 3.3.1 预测结果误差评价指标 | 第33页 |
| 3.3.2 预测结果的比较 | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 光伏发电影响因素分析 | 第37-49页 |
| 4.1 辐射强度 | 第37-39页 |
| 4.2 温度 | 第39-40页 |
| 4.3 相对湿度 | 第40-42页 |
| 4.4 风速 | 第42-44页 |
| 4.5 天气类型 | 第44-45页 |
| 4.6 各因素与光伏发电系统输出功率的相关系数 | 第45-47页 |
| 4.7 本章小结 | 第47-49页 |
| 第五章 光伏发电系统短期输出功率和等效负荷预测方法的研究 | 第49-59页 |
| 5.1 预测数据的分析与处理 | 第49-50页 |
| 5.1.1 预测模型输入数据的确定 | 第49-50页 |
| 5.1.2 数据的归一化 | 第50页 |
| 5.2 光伏发电系统短期输出功率预测实例 | 第50-55页 |
| 5.3 等效负荷 | 第55-57页 |
| 5.3.1 等效负荷的定义 | 第55页 |
| 5.3.2 等效负荷预测过程 | 第55-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间所取得的相关科研成果 | 第65-67页 |
| 致谢 | 第67页 |
