基于D-S证据理论的光伏并网发电量预测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外发展现状 | 第11-15页 |
| 1.2.1 物理原理预测法 | 第11页 |
| 1.2.2 统计预测法 | 第11-12页 |
| 1.2.3 不确定理论预测法 | 第12-13页 |
| 1.2.4 智能方法预测 | 第13-14页 |
| 1.2.5 组合模型预测 | 第14-15页 |
| 1.3 D-S证据理论 | 第15页 |
| 1.4 决策树算法 | 第15-16页 |
| 1.5 课题研究内容 | 第16-17页 |
| 第2章 光伏发电原理及光伏发电功率影响因素 | 第17-30页 |
| 2.1 光伏发电系统 | 第17-18页 |
| 2.1.1 光伏发电原理 | 第17页 |
| 2.1.2 并网光伏发电系统 | 第17-18页 |
| 2.2 发电预测影响因素 | 第18-19页 |
| 2.3 气象因素对光伏并网发电功率的影响 | 第19-24页 |
| 2.3.1 天气类型 | 第19-22页 |
| 2.3.2 辐射量 | 第22页 |
| 2.3.3 组件温度 | 第22-23页 |
| 2.3.4 环境温度 | 第23-24页 |
| 2.4 设备因素对光伏并网发电功率的影响 | 第24-25页 |
| 2.4.1 光伏组件 | 第24页 |
| 2.4.2 逆变器 | 第24-25页 |
| 2.5 运行维护因素对光伏发电功率的影响 | 第25-30页 |
| 2.5.1 阴影与遮挡 | 第25-28页 |
| 2.5.2 最佳倾角 | 第28-29页 |
| 2.5.3 年衰减 | 第29页 |
| 2.5.4 其他因素 | 第29-30页 |
| 第3章 D-S证据理论模型 | 第30-44页 |
| 3.1 D-S证据理论 | 第30-37页 |
| 3.1.1 数学模型 | 第30页 |
| 3.1.2 数据预处理 | 第30-37页 |
| 3.1.3 预测模型应用 | 第37页 |
| 3.2 决策树算法 | 第37-42页 |
| 3.2.1 基本原理 | 第37-38页 |
| 3.2.2 信息熵及决策树的划分 | 第38-39页 |
| 3.2.3 决策树的形成 | 第39-40页 |
| 3.2.4 决策树分类流程 | 第40-42页 |
| 3.3 基于证据理论的权重融合 | 第42-44页 |
| 第4章 预测模型的实现 | 第44-71页 |
| 4.1 软件要求 | 第44-45页 |
| 4.1.1 数据采集 | 第44页 |
| 4.1.2 数据处理 | 第44-45页 |
| 4.1.3 数据存储 | 第45页 |
| 4.1.4 发电功率预测 | 第45页 |
| 4.2 编程实现 | 第45-47页 |
| 4.2.1 Python软件 | 第45页 |
| 4.2.2 软件输入 | 第45-47页 |
| 4.3 决策树分类实现 | 第47-62页 |
| 4.3.1 代码实现 | 第47-49页 |
| 4.3.2 分类结果 | 第49-62页 |
| 4.4 D-S证据融合 | 第62-65页 |
| 4.4.1 融合数据处理 | 第62-64页 |
| 4.4.2 功率预测矩阵 | 第64-65页 |
| 4.5 循环计算 | 第65-66页 |
| 4.6 计算结果 | 第66-71页 |
| 第5章 预测结果与误差分析 | 第71-96页 |
| 5.1 预测结果及误差 | 第71-89页 |
| 5.1.1 误差指标 | 第71页 |
| 5.1.2 不同季节的预测结果 | 第71-89页 |
| 5.2 误差分析 | 第89-92页 |
| 5.2.1 预测误差 | 第89-90页 |
| 5.2.2 误差分析 | 第90页 |
| 5.2.3 误差原因 | 第90-92页 |
| 5.3 可靠性分析 | 第92-93页 |
| 5.4 D-S证据融合前后的结果对比 | 第93-96页 |
| 结论 | 第96-97页 |
| 参考文献 | 第97-102页 |
| 致谢 | 第102-103页 |
| 在读期间发表论文 | 第103-104页 |
