致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7页 |
1 引言 | 第11-25页 |
1.1 能源产业发展现状 | 第11-13页 |
1.1.1 国外能源产业发展现状 | 第11-12页 |
1.1.2 国内新能源产业发展现状 | 第12-13页 |
1.2 光伏产业发展状况 | 第13-15页 |
1.2.1 国外光伏产业发展状况 | 第13-14页 |
1.2.2 国内光伏产业发展现状 | 第14-15页 |
1.3 风电产业发展状况 | 第15-16页 |
1.3.1 国外风电产业发展状况 | 第15-16页 |
1.3.2 国内风电产业发展状况 | 第16页 |
1.4 储能产业发展状况 | 第16-18页 |
1.4.1 国外储能产业发展状况 | 第16-17页 |
1.4.2 国内储能产业发展状况 | 第17-18页 |
1.5 课题来源和研究意义 | 第18-19页 |
1.6 课题研究现状 | 第19-22页 |
1.6.1 支持向量机参数选择研究现状 | 第19-20页 |
1.6.2 光伏出力预测研究现状 | 第20-21页 |
1.6.3 风功率预测研究现状 | 第21页 |
1.6.4 储能研究现状 | 第21-22页 |
1.7 论文内容 | 第22-25页 |
2 机器学习方法—支持向量机 | 第25-35页 |
2.1 引言 | 第25页 |
2.2 机器学习 | 第25-26页 |
2.3 支持向量机(SVM) | 第26-30页 |
2.3.1 支持向量机基本理论 | 第26-27页 |
2.3.2 支持向量机分类 | 第27-28页 |
2.3.3 支持向量机回归 | 第28-29页 |
2.3.4 SVM工具箱 | 第29-30页 |
2.4 神经网络 | 第30页 |
2.5 蚁群算法简介 | 第30-31页 |
2.6 蝙蝠算法(BA) | 第31-33页 |
2.7 本章总结 | 第33-35页 |
3 改进蝙蝠算法在SVM模型中的应用 | 第35-45页 |
3.1 序言 | 第35页 |
3.2 改进蝙蝠算法 | 第35-42页 |
3.2.1 蝙蝠算法(BA)的缺陷 | 第35-37页 |
3.2.2 基于改进的后向寻优蝙蝠算法(BBA) | 第37-41页 |
3.2.3 融合遗传规则的仿生蝙蝠算法(G-BBA) | 第41-42页 |
3.3 基于改进蝙蝠算法优化的SVM | 第42-44页 |
3.4 改进蝙蝠算法与其他仿生学算法的对比 | 第44页 |
3.5 本章总结 | 第44-45页 |
4 基于BBA与G-BBA参数选择的支持向量机光伏出力预测 | 第45-61页 |
4.1 引言 | 第45页 |
4.2 光伏电池工作原理 | 第45-46页 |
4.3 光伏电池输出功率预测 | 第46-48页 |
4.4 光伏电池模型构建 | 第48-51页 |
4.5 光伏输出功率预测仿真分析 | 第51-58页 |
4.5.1 网格算法输出功率预测 | 第53-54页 |
4.5.2 BA算法输出功率预测 | 第54-55页 |
4.5.3 BBA算法输出功率预测 | 第55-57页 |
4.5.4 G-BBA算法输出功率预测 | 第57-58页 |
4.5.5 几种输出功率预测模型对比 | 第58页 |
4.6 本章总结 | 第58-61页 |
5 基于BBA支持向量机的风力预测 | 第61-69页 |
5.1 引言 | 第61页 |
5.2 风电机组及其模型建立 | 第61-64页 |
5.2.1 风电机组主要构造 | 第61-62页 |
5.2.2 风电机组发电原理 | 第62-63页 |
5.2.3 Bladed仿真平台 | 第63-64页 |
5.3 基于支持向量机回归的风速预测 | 第64-68页 |
5.3.1 湍流风风速预测问题 | 第65-68页 |
5.4 本章总结 | 第68-69页 |
6 电力负载预测与电网运行优化配置问题 | 第69-81页 |
6.1 引言 | 第69页 |
6.2 负载数据处理 | 第69-74页 |
6.2.1 历史数据预处理 | 第69-70页 |
6.2.2 样本归一化处理 | 第70页 |
6.2.3 基于BBA—SVM短期功率预测模型 | 第70-73页 |
6.2.4 基于BBA—SVM短期功率预测 | 第73-74页 |
6.3 电网配置问题 | 第74-75页 |
6.3.1 风光储数据输入 | 第74-75页 |
6.4 简化的电力系统模型 | 第75-79页 |
6.4.1 传输系统 | 第75-76页 |
6.4.2 经济系统模型 | 第76-79页 |
6.4.3 市场经济模型数学公式构建 | 第79页 |
6.5 本章总结 | 第79-81页 |
7 结论 | 第81-83页 |
7.1 研究工作总结 | 第81-82页 |
7.2 工作展望 | 第82-83页 |
参考文献 | 第83-89页 |
学习论文数据集 | 第89页 |