分布式光伏接入的用户侧微电网功率预测方法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 功率预测方法研究现状 | 第11-15页 |
| 1.2.2 微电网负荷预测研究 | 第15-16页 |
| 1.2.3 分布式光伏发电功率预测研究 | 第16-17页 |
| 1.3 本文研究内容 | 第17-19页 |
| 第2章 核函数极限学习机的理论基础 | 第19-25页 |
| 2.1 基本极限学习机算法 | 第19-21页 |
| 2.2 核函数极限学习机算法 | 第21页 |
| 2.3 两类ELM算法的参数取值与性能分析 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 粒子群算法的理论基础 | 第25-28页 |
| 3.1 粒子群算法基本理论 | 第25-26页 |
| 3.2 粒子群算法计算步骤 | 第26页 |
| 3.3 粒子群算法稳定性分析 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 用户侧微电网超短期负荷预测方法 | 第28-41页 |
| 4.1 微电网超短期负荷预测模型 | 第28-33页 |
| 4.1.1 微电网负荷特征分析 | 第28-30页 |
| 4.1.2 微电网负荷预测需求与模型构建 | 第30页 |
| 4.1.3 微电网负荷数据残缺修复 | 第30-31页 |
| 4.1.4 预测模型的负荷属性 | 第31页 |
| 4.1.5 离线模型构建与参数寻优 | 第31-33页 |
| 4.1.6 在线负荷预测模型构建 | 第33页 |
| 4.2 实验与结果分析 | 第33-40页 |
| 4.2.1 微电网负荷样本 | 第33-34页 |
| 4.2.2 微电网负荷预测精度 | 第34-35页 |
| 4.2.3 微电网负荷预测结果分析 | 第35-37页 |
| 4.2.4 离线参数寻优的结果形式及取值 | 第37-38页 |
| 4.2.5 预测误差影响因素量化分析 | 第38-39页 |
| 4.2.6 预测模型周期更新精度及经济性 | 第39-40页 |
| 4.2.7 预测方法性能分析 | 第40页 |
| 4.3 结论 | 第40-41页 |
| 第5章 用户侧分布式光伏超短期功率预测方法 | 第41-51页 |
| 5.1 分布式光伏超短期功率预测模型 | 第41-45页 |
| 5.1.1 分布式光伏预测系统需求分析与建模 | 第41-42页 |
| 5.1.2 光伏功率的样本构成 | 第42-43页 |
| 5.1.3 预测模型的离线参数寻优 | 第43-45页 |
| 5.1.4 在线光伏功率预测模型 | 第45页 |
| 5.2 实验与结果分析 | 第45-50页 |
| 5.2.1 分布式光伏的样本选择 | 第45-46页 |
| 5.2.2 光伏功率预测模型的精度与效率 | 第46-48页 |
| 5.2.3 基于属性权重的预测模型简化 | 第48-49页 |
| 5.2.4 光伏随机覆尘条件下的预测精度 | 第49页 |
| 5.2.5 逆变器部分故障条件下的预测精度 | 第49页 |
| 5.2.6 光伏综合异常条件下的预测精度 | 第49-50页 |
| 5.3 结论 | 第50-51页 |
| 第6章 结论与展望 | 第51-53页 |
| 6.1 结论 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57页 |
| 攻读硕士学位期间参加的科研工作 | 第57-58页 |
| 致谢 | 第58页 |
