| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要工作和章节安排 | 第12-14页 |
| 第2章 光伏发电特性及功率预测模型 | 第14-21页 |
| 2.1 并网发电技术概述 | 第14-16页 |
| 2.1.1 光伏发电的利用 | 第14页 |
| 2.1.2 光伏电站发电原理及组成 | 第14-15页 |
| 2.1.3 光伏功率特性分析 | 第15-16页 |
| 2.2 稀疏贝叶斯预测模型 | 第16-19页 |
| 2.3 稀疏贝叶斯回归用于光伏发电功率预测分析 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于稀疏贝叶斯回归的发电功率预测 | 第21-34页 |
| 3.1 发电功率的影响因素 | 第21-24页 |
| 3.1.1 天气情况 | 第21-22页 |
| 3.1.2 辐照强度 | 第22页 |
| 3.1.3 温度 | 第22-23页 |
| 3.1.4 其他因素 | 第23-24页 |
| 3.2 构建样本集 | 第24-25页 |
| 3.2.1 样本分析 | 第24页 |
| 3.2.2 样本构建 | 第24-25页 |
| 3.3 稀疏贝叶斯回归预测步骤 | 第25-28页 |
| 3.3.1 数据预处理 | 第25-27页 |
| 3.3.2 预测步骤 | 第27-28页 |
| 3.4 实验分析 | 第28-33页 |
| 3.4.1 评估标准 | 第28页 |
| 3.4.2 算例分析 | 第28-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于粒子群优化的稀疏贝叶斯回归发电功率预测 | 第34-45页 |
| 4.1 粒子群算法 | 第34-35页 |
| 4.1.1 粒子群研究现状及应用 | 第34页 |
| 4.1.2 标准粒子群算法简介 | 第34-35页 |
| 4.2 建立粒子群-稀疏贝叶斯回归预测模型 | 第35-37页 |
| 4.2.1 基于粒子群算法的参数优化方法描述 | 第35-36页 |
| 4.2.2 建立粒子群-稀疏贝叶斯回归模型 | 第36-37页 |
| 4.3 实验分析 | 第37-44页 |
| 4.3.1 超参数优化 | 第37页 |
| 4.3.2 优化后的结果分析 | 第37-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 光伏发电功率预测系统的设计及实现 | 第45-53页 |
| 5.1 总体目标 | 第45页 |
| 5.2 光伏发电功率预测系统的设计 | 第45-50页 |
| 5.2.1 系统设计原则 | 第45-46页 |
| 5.2.2 系统架构设计 | 第46-47页 |
| 5.2.3 系统数据库设计 | 第47-48页 |
| 5.2.4 网络拓扑结构 | 第48-49页 |
| 5.2.5 系统开发平台及技术 | 第49-50页 |
| 5.3 系统实现 | 第50-52页 |
| 5.3.1 登陆界面 | 第50页 |
| 5.3.2 管理设置界面 | 第50-51页 |
| 5.3.3 预测界面 | 第51页 |
| 5.3.4 数据查询界面 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |