| 插图索引 | 第1-8页 |
| 插表索引 | 第8-9页 |
| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第11-21页 |
| ·光伏发电产业发展状况 | 第11-15页 |
| ·国外光伏发电产业发展现状 | 第11-13页 |
| ·国内的光伏产业发展的现状 | 第13-15页 |
| ·本课题研究背景及研究意义 | 第15-16页 |
| ·太阳辐照量和光伏输出功率预测方法和研究现状 | 第16-20页 |
| ·预测方法概述 | 第16-18页 |
| ·国内外研究现状 | 第18-20页 |
| ·本论文的主要工作和章节安排 | 第20-21页 |
| 第二章 太阳辐照量特性与并网光伏发电技术概述 | 第21-27页 |
| ·太阳辐照量时空分布特性 | 第21-22页 |
| ·并网光伏发电技术概述 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于小波变换的逐日太阳辐照量时间序列分析 | 第27-35页 |
| ·小波概论 | 第27-30页 |
| ·连续小波定义 | 第28-29页 |
| ·小波的发展及应用 | 第29-30页 |
| ·小波变换 | 第30-32页 |
| ·小波变换原理 | 第30-31页 |
| ·小波重构理论 | 第31-32页 |
| ·应用 Mallat 算法分析非平稳时间序列 | 第32-34页 |
| ·二进正交小波变换 Mallat 算法原理 | 第32-33页 |
| ·逐日太阳辐照量时间序列的小波分解 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于递推最小二乘法和小波变换的逐日太阳辐照量预测 | 第35-46页 |
| ·递推最小二乘法概述 | 第35-36页 |
| ·相似日选取算法 | 第36-39页 |
| ·基于递推最小二乘法和小波变换的逐日太阳辐照量预测 | 第39-44页 |
| ·预测模型的建立 | 第39-40页 |
| ·模型预测结果比较 | 第40-42页 |
| ·预测误差分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第五章 基于相似日和径向基神经网络的光伏阵列输出功率预测 | 第46-61页 |
| ·模式识别概论 | 第46-49页 |
| ·模式识别理论基础 | 第46-48页 |
| ·相似日选取算法 | 第48-49页 |
| ·径向基神经网络概述 | 第49-55页 |
| ·神经网络理论基础 | 第49-54页 |
| ·径向基神经网络 | 第54-55页 |
| ·基于相似日和径向基神经网络的光伏阵列输出功率预测 | 第55-59页 |
| ·预测建模方法与步骤 | 第55-56页 |
| ·预测结果与误差分析 | 第56-59页 |
| ·输出功率预测系统的结构设计 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第66页 |
