自适应神经网络在异常天气下光伏出力预测中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 光伏功率预测现状 | 第10页 |
| 1.2.2 异常天气研究现状 | 第10-11页 |
| 1.3 本课题的主要研究内容 | 第11-12页 |
| 第2章 光伏出力与气象因素分析 | 第12-19页 |
| 2.1 光伏出力特性分析 | 第12-14页 |
| 2.1.1 周期性分析 | 第12-13页 |
| 2.1.2 间歇性分析 | 第13-14页 |
| 2.1.3 波动性和随机性分析 | 第14页 |
| 2.2 光伏出力与气象因素分析 | 第14-17页 |
| 2.2.1 单一气象条件相关性分析 | 第14-16页 |
| 2.2.2 复合气象条件回归分析 | 第16-17页 |
| 2.2.3 随机森林模型特征分析 | 第17页 |
| 2.3 本章小结 | 第17-19页 |
| 第3章 基于BP神经网络功率预测算法研究 | 第19-37页 |
| 3.1 BP神经网络原理 | 第19-23页 |
| 3.1.1 BP神经网络结构 | 第19-21页 |
| 3.1.2 BP神经网络信号传输过程 | 第21-22页 |
| 3.1.3 BP神经网络训练过程 | 第22-23页 |
| 3.2 BP神经网络功率预测模型建立 | 第23-34页 |
| 3.2.1 Tensorflow框架 | 第24页 |
| 3.2.2 PSO算法 | 第24-26页 |
| 3.2.3 数据处理 | 第26-29页 |
| 3.2.4 模型建立过程 | 第29-34页 |
| 3.3 模型结果分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 自适应神经网络功率预测模型研究 | 第37-46页 |
| 4.1 SVM算法 | 第37-40页 |
| 4.2 气象条件分类方法 | 第40-42页 |
| 4.3 自适应神经网络模型建立 | 第42-44页 |
| 4.3.1 SVM对气象分类 | 第42-43页 |
| 4.3.2 异常天气下BP神经网络建立 | 第43-44页 |
| 4.4 预测结果实验对比 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 光伏功率预测系统设计与实现 | 第46-55页 |
| 5.1 系统框架 | 第46-47页 |
| 5.2 系统功能分析 | 第47-48页 |
| 5.3 数据库设计 | 第48-50页 |
| 5.4 系统设计与实现 | 第50-54页 |
| 5.4.1 数据展示模块 | 第50-52页 |
| 5.4.2 功率预测模块 | 第52-53页 |
| 5.4.3 系统管理模块 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 结论与展望 | 第55-57页 |
| 6.1 工作总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
