| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文主要研究内容 | 第14-16页 |
| 第二章 光伏试验平台发电功率影响因素分析 | 第16-26页 |
| 2.1 光伏电站试验平台 | 第16-17页 |
| 2.2 光伏电站发电数据采集 | 第17-18页 |
| 2.3 光伏发电功率与环境影响因素相关性分析 | 第18-25页 |
| 2.3.1 辐照度的影响 | 第19-20页 |
| 2.3.2 温度的影响 | 第20-21页 |
| 2.3.3 风的影响 | 第21-22页 |
| 2.3.4 湿度的影响 | 第22-23页 |
| 2.3.5 天气类型的影响 | 第23-24页 |
| 2.3.6 季节的影响 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于支持向量机的天气类型超短期预测 | 第26-35页 |
| 3.1 支持向量机基本原理 | 第26-27页 |
| 3.2 试验数据预处理 | 第27-32页 |
| 3.2.1 数据来源 | 第28-30页 |
| 3.2.2 数据校正 | 第30-32页 |
| 3.2.3 数据规范化处理 | 第32页 |
| 3.3 支持向量机核函数的选取 | 第32-33页 |
| 3.4 基于支持向量机的天气类型超短期预测 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于神经网络的光伏电站超短期功率预测 | 第35-46页 |
| 4.1 神经网络 | 第35-36页 |
| 4.2 基于BP神经网络的功率预测模型设计 | 第36-40页 |
| 4.3 基于Elman神经网络的功率预测模型设计 | 第40-42页 |
| 4.4 算例分析 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于改进的Elman神经网络光伏电站超短期功率预测 | 第46-60页 |
| 5.1 马拉特算法 | 第46-51页 |
| 5.1.1 正交多辩分析 | 第46-47页 |
| 5.1.2 Mallat分解 | 第47-49页 |
| 5.1.3 Mallat重构 | 第49-51页 |
| 5.2 基于改进Elman神经网络功率预测模型设计 | 第51-52页 |
| 5.3 基于改进Elman神经网络光伏功率超短期预测模型 | 第52-53页 |
| 5.4 算例分析 | 第53-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 结论和展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表论文 | 第67-68页 |
