光伏电站短期功率预测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 研究背景及研究意义 | 第8-10页 |
| 1.2 光伏发电功率预测的分类 | 第10-12页 |
| 1.3 光伏电站短期功率预测的国内外研究现状 | 第12-17页 |
| 1.3.1 间接预测方法 | 第12-13页 |
| 1.3.2 直接预测方法 | 第13-17页 |
| 1.4 本文主要内容及各章节安排 | 第17-19页 |
| 1.4.1 本文主要研究内容 | 第17页 |
| 1.4.2 论文各章节安排 | 第17-19页 |
| 第二章 光伏发电功率预测数据库的建立 | 第19-27页 |
| 2.1 光伏电站的工作原理及基本结构 | 第19页 |
| 2.2 数据的获取 | 第19-22页 |
| 2.3 原始数据预处理过程 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 预测模型的数学方法及评估指标 | 第27-35页 |
| 3.1 预测模型数学方法介绍 | 第27-33页 |
| 3.1.1 ARMA时间序列模型 | 第27-28页 |
| 3.1.2 BP神经网络 | 第28-30页 |
| 3.1.3 支持向量机 | 第30-31页 |
| 3.1.4 极限学习机 | 第31-33页 |
| 3.2 相关系数计算方法及误差评估指标 | 第33-34页 |
| 3.2.1 相关系数计算方法 | 第33页 |
| 3.2.2 误差评估指标 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 基于ELM-SVM的逐小时功率预测模型 | 第35-48页 |
| 4.1 天气类型的划分方法 | 第36-39页 |
| 4.2 输入参数与回归模型的选取 | 第39-43页 |
| 4.2.1 输入参数的选取 | 第39-41页 |
| 4.2.2 回归模型的选取 | 第41-43页 |
| 4.3 实验结果分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于ELM的超短期功率预测模型 | 第48-61页 |
| 5.1 ELM超短期功率预测模型的建立 | 第48-52页 |
| 5.1.1 模型输入参数的选取 | 第48-50页 |
| 5.1.2 预测策略的选定及测试结果 | 第50-52页 |
| 5.2 基于误差分布的分段式ELM功率预测模型 | 第52-59页 |
| 5.2.1 数学方法 | 第52-53页 |
| 5.2.2 误差的分析及子预测模型时间段的划分 | 第53-57页 |
| 5.2.3 实验结果分析与讨论 | 第57-59页 |
| 5.3 本章小结 | 第59-61页 |
| 结论与展望 | 第61-63页 |
| 1 研究结论 | 第61页 |
| 2 存在的不足与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间取得的研究成果 | 第68页 |
