| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及研究的目的和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 基于历史数据的短期发电预测 | 第10-11页 |
| 1.2.2 基于太阳辐射和光伏发电系统模型的短期预测方法 | 第11-12页 |
| 1.3 课题主要研究内容和技术路线 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 光伏发电影响因素研究 | 第13-22页 |
| 2.1 光伏发电原理 | 第13页 |
| 2.2 数据获取及处理 | 第13-14页 |
| 2.3 功率数据与影响因素关系 | 第14-20页 |
| 2.3.1 天气类型影响 | 第14-18页 |
| 2.3.2 温度影响 | 第18-20页 |
| 2.4 天气类指数 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于偏最小二乘的光伏发电功率预测模型 | 第22-32页 |
| 3.1 PLS算法原理 | 第22-24页 |
| 3.2 PLS预测模型设计 | 第24-25页 |
| 3.3 PLS模型预测结果 | 第25-31页 |
| 3.3.1 PLS模型平均准确率 | 第25-27页 |
| 3.3.2 PLS模型系数及常数 | 第27-30页 |
| 3.3.3 PLS模型预测结果对比图 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于随机森林的光伏发电功率预测模型 | 第32-38页 |
| 4.1 RF算法原理 | 第32-33页 |
| 4.2 RF预测模型设计 | 第33-34页 |
| 4.3 RF模型预测结果 | 第34-37页 |
| 4.3.1 RF模型平均准确率 | 第34-35页 |
| 4.3.2 RF模型预测结果对比图 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 基于支持向量机及退火优化支持向量机的光伏发电预测模型 | 第38-53页 |
| 5.1 支持向量机（SVM）模型 | 第38-45页 |
| 5.1.1 SVM算法原理 | 第38-40页 |
| 5.1.2 SVM预测模型设计 | 第40-41页 |
| 5.1.3 SVM模型预测结果 | 第41-45页 |
| 5.1.3.1 SVM参数 | 第41-42页 |
| 5.1.3.2 SVM模型平均准确率 | 第42-43页 |
| 5.1.3.3 SVM模型预测结果对比图 | 第43-45页 |
| 5.2 退火优化SVM模型 | 第45-51页 |
| 5.2.1 退火算法原理步骤 | 第45页 |
| 5.2.2 退火优化SVM步骤 | 第45-46页 |
| 5.2.3 退火优化SVM预测模型设计 | 第46-47页 |
| 5.2.4 退火优化SVM模型预测结果 | 第47-51页 |
| 5.2.4.1 退火优化SVM参数 | 第47-48页 |
| 5.2.4.2 退火优化SVM模型平均准确率 | 第48-50页 |
| 5.2.4.3 退火优化SVM模型预测结果对比图 | 第50-51页 |
| 5.3 四种预测模型结果对比分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录1 光盘 | 第59-62页 |
| 致谢 | 第62页 |