| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题的研究背景意义 | 第10-13页 |
| 1.2 微电网发展现状研究 | 第13-15页 |
| 1.3 光伏发电功率预测发展现状研究 | 第15-19页 |
| 1.4 本文主要研究内容 | 第19-22页 |
| 第2章 微网光伏发电功率特性研究 | 第22-44页 |
| 2.1 光伏电池基本原理 | 第22-23页 |
| 2.2 光伏电池模型特性分析 | 第23-28页 |
| 2.2.1 太阳辐射强度对光伏电池模型影响 | 第24-25页 |
| 2.2.2 温度对光伏电池模型的影响 | 第25-26页 |
| 2.2.3 光伏电池转化效率 | 第26-28页 |
| 2.3 光伏发电系统结构 | 第28-29页 |
| 2.4 影响光伏系统发电功率因素分析 | 第29-42页 |
| 2.4.1 温度影响 | 第29-31页 |
| 2.4.2 天气类型影响 | 第31-33页 |
| 2.4.3 季节类型影响 | 第33-36页 |
| 2.4.4 太阳辐射强度影响 | 第36-41页 |
| 2.4.5 相对湿度影响 | 第41-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第3章 基于相似样本组合筛选的光伏发电功率短期预测 | 第44-60页 |
| 3.1 基于欧式距离的相似日样本筛选 | 第44-50页 |
| 3.1.1 相似日选择原理 | 第44-46页 |
| 3.1.2 相似日特征选取 | 第46-48页 |
| 3.1.3 相似日样本筛选 | 第48-50页 |
| 3.2 基于灰色关联度分析的相似时段样本筛选 | 第50-52页 |
| 3.3 相似样本组合筛选 | 第52-53页 |
| 3.4 基于相似样本组合筛选的光伏发电功率短期预测模型 | 第53-55页 |
| 3.5 仿真分析 | 第55-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第4章 基于改进PSO-LSSVM的光伏发电功率短期预测 | 第60-82页 |
| 4.1 支持向量机算法 | 第60-69页 |
| 4.1.1 支持向量机 | 第60-68页 |
| 4.1.2 最小二乘支持向量机 | 第68-69页 |
| 4.2 粒子群改进算法 | 第69-72页 |
| 4.2.1 粒子群算法 | 第69-71页 |
| 4.2.2 粒子群改进算法 | 第71-72页 |
| 4.3 基于改进PSO-LSSVM的光伏发电功率短期预测模型 | 第72-74页 |
| 4.3.1 改进粒子群优化最小二乘支持向量机参数 | 第72-73页 |
| 4.3.2 预测模型建立 | 第73-74页 |
| 4.4 模型评价标准 | 第74-75页 |
| 4.5 仿真分析 | 第75-79页 |
| 4.5.1 4月19日光伏发电功率预测分析 | 第75-77页 |
| 4.5.2 4月23日光伏发电功率预测分析 | 第77-79页 |
| 4.6 本章小结 | 第79-82页 |
| 第5章 论文总结与展望 | 第82-84页 |
| 5.1 总结 | 第82页 |
| 5.2 课题展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-90页 |
| 攻读学位期间发表的论文及所做的工作 | 第90页 |
