| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 分布式光伏发电微电网系统研究现状 | 第10-12页 |
| 1.2.1 光伏发电现状及前景 | 第10-11页 |
| 1.2.2 微电网技术发展现状 | 第11页 |
| 1.2.3 微电网储能技术研究现状 | 第11-12页 |
| 1.3 光伏微电网储能关键技术 | 第12-13页 |
| 1.3.1 光伏发电功率预测技术 | 第12页 |
| 1.3.2 短期负荷预测技术 | 第12-13页 |
| 1.3.3 储能控制技术 | 第13页 |
| 1.4 本文研究的主要内容 | 第13-15页 |
| 第2章 储能技术及其在微电网中的应用 | 第15-24页 |
| 2.1 储能技术分类及其应用发展现状 | 第15-17页 |
| 2.1.1 储能技术分类 | 第15-16页 |
| 2.1.2 储能技术应用现状 | 第16-17页 |
| 2.2 储能电池特性 | 第17-22页 |
| 2.2.1 电池单体特性 | 第17-18页 |
| 2.2.2 电池成组设计方法 | 第18-19页 |
| 2.2.3 储能电池常规变流器主电路分析 | 第19-22页 |
| 2.3 光伏微电网储能与控制技术 | 第22-23页 |
| 2.3.1 平滑输出控制 | 第22页 |
| 2.3.2 计划输出控制 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 光伏发电功率预测与负荷预测 | 第24-41页 |
| 3.1 引言 | 第24页 |
| 3.2 预测原理及方法 | 第24-26页 |
| 3.3 最小二乘支持向量机原理 | 第26-30页 |
| 3.3.1 最小二乘支持向量机基本原理 | 第26-27页 |
| 3.3.2 模型选择 | 第27-30页 |
| 3.4 基于LS-SVM光伏发电功率预测模型 | 第30-34页 |
| 3.4.1 光伏特性分析 | 第30-31页 |
| 3.4.2 光伏发电功率预测模型建立 | 第31-32页 |
| 3.4.3 仿真验证 | 第32-34页 |
| 3.5 GRA-LSSVM超短期负荷预测模型 | 第34-40页 |
| 3.5.1 灰色关联度分析方法 | 第34-36页 |
| 3.5.2 超短期负荷预测模型建立 | 第36页 |
| 3.5.3 仿真验证 | 第36-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 微电网储能系统控制策略研究 | 第41-57页 |
| 4.1 储能系统平滑输出控制策略 | 第41-45页 |
| 4.1.1 基本滤波控制 | 第41-42页 |
| 4.1.2 电池储能SOC反馈控制 | 第42页 |
| 4.1.3 可变时间常数的滤波控制 | 第42-44页 |
| 4.1.4 系统平滑输出运行效果 | 第44-45页 |
| 4.2 模糊控制原理 | 第45-46页 |
| 4.2.1 模糊控制的进展及应用 | 第45页 |
| 4.2.2 模糊控制原理 | 第45-46页 |
| 4.3 基于能量预测的光伏微网储能系统模糊策略设计 | 第46-54页 |
| 4.3.1 微电网能量结构 | 第47-48页 |
| 4.3.2 储能系统模糊控制器设计 | 第48-54页 |
| 4.4 试验运行效果评价 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 结论和展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |