基于小波神经网络的分布式光伏发电出力预测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 引言 | 第9-15页 |
| ·选题的背景及意义 | 第9-10页 |
| ·光伏出力预测方法 | 第10-13页 |
| ·基于数学统计预测方法 | 第10-11页 |
| ·基于人工智能预测方法 | 第11-13页 |
| ·本文的预测方法 | 第13页 |
| ·本文的主要工作 | 第13-15页 |
| 第2章 分布式光伏发电系统概要 | 第15-28页 |
| ·光伏发电系统 | 第16-20页 |
| ·光伏发电系统的类型 | 第16-17页 |
| ·太阳能电池的工作原理及等效模型 | 第17-18页 |
| ·太阳能电池输出特性及影响因素 | 第18-20页 |
| ·智能电网规划与分布式光伏发电 | 第20页 |
| ·自抗扰控制技术在光伏系统中的应用 | 第20-24页 |
| ·非线性跟踪微分器 | 第21页 |
| ·状态扩张观测器 | 第21-22页 |
| ·非线性状态误差反馈律 | 第22页 |
| ·数值仿真及结果分析 | 第22-24页 |
| ·光伏并网对电力系统的影响 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 光伏出力数据挖掘与小波变换 | 第28-41页 |
| ·样本数据挖掘 | 第28-31页 |
| ·改进余弦相似性度量方法 | 第28-29页 |
| ·欧式距离方法 | 第29页 |
| ·数据挖掘结果 | 第29-31页 |
| ·小波变换原理 | 第31-36页 |
| ·信号分解 | 第33-35页 |
| ·信号重构 | 第35-36页 |
| ·光伏序列小波分解与重构 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 改进的小波神经网络光伏出力预测算法 | 第41-58页 |
| ·BP神经网络算法 | 第41-45页 |
| ·小波神经网络光伏出力预测算法 | 第45-50页 |
| ·小波神经网络结构形式 | 第46页 |
| ·小波神经网络的学习算法 | 第46-49页 |
| ·小波神经网络光伏出力预测 | 第49-50页 |
| ·LM改进小波神经网络光伏出力预测算法 | 第50-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 小波神经网络在分布式光伏出力预测中的应用 | 第58-72页 |
| ·分布式光伏电站技术参数 | 第58-60页 |
| ·光伏组件参数 | 第58-59页 |
| ·光伏组件布置参数 | 第59-60页 |
| ·小波神经网络分布式光伏出力预测 | 第60-69页 |
| ·晴天样本 | 第61-62页 |
| ·晴天样本预测结果分析 | 第62-63页 |
| ·阴天样本 | 第63-64页 |
| ·阴天样本预测结果分析 | 第64-65页 |
| ·多云转阴 | 第65-66页 |
| ·多云转阴样本预测结果分析 | 第66-67页 |
| ·中雨样本 | 第67-68页 |
| ·中雨样本预测结果分析 | 第68-69页 |
| ·整体预测结果分析 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第6章 结论与展望 | 第72-75页 |
| ·结论 | 第72-73页 |
| ·展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读学位期间的研究成果 | 第79页 |
