| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 论文的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-16页 |
| 1.2.1 国内外的光伏发电 | 第10-13页 |
| 1.2.2 光伏发电的关键技术 | 第13-15页 |
| 1.2.3 光伏发电功率短期预测技术 | 第15页 |
| 1.2.4 光伏发电功率预测系统 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16-18页 |
| 2 光伏电池与光伏发电系统概述 | 第18-30页 |
| 2.1 光伏电池 | 第18-25页 |
| 2.1.1 光伏电池的工作原理 | 第18-19页 |
| 2.1.2 光伏电池的发展与分类 | 第19页 |
| 2.1.3 光伏电池的数学模型 | 第19-22页 |
| 2.1.4 光伏电池的仿真与特性分析 | 第22-25页 |
| 2.2 光伏发电系统 | 第25-29页 |
| 2.2.1 光伏发电系统的组成 | 第25-26页 |
| 2.2.2 光伏发电系统的分类 | 第26-29页 |
| 2.3 小节 | 第29-30页 |
| 3 影响光伏发电功率的因素分析与相似日理论的应用 | 第30-39页 |
| 3.1 气象因素对光伏发电功率的影响 | 第30-35页 |
| 3.1.1 太阳辐照强度与光伏发电功率的关系 | 第30-32页 |
| 3.1.2 温度与光伏发电功率的关系 | 第32-33页 |
| 3.1.3 天气类型与光伏发电功率的关系 | 第33-35页 |
| 3.2 相似日理论的应用 | 第35-38页 |
| 3.2.1 相似度计算模型和相似日的确定 | 第35-37页 |
| 3.2.2 实例应用 | 第37-38页 |
| 3.3 小节 | 第38-39页 |
| 4 基于HS-ESN算法的光伏发电功率短期预测技术 | 第39-53页 |
| 4.1 回声状态网络算法 | 第39-43页 |
| 4.1.1 回声状态网络结构 | 第39-40页 |
| 4.1.2 回声状态网络的建立流程和训练 | 第40-42页 |
| 4.1.3 回声状态网络算法用于光伏发电功率短期预测分析 | 第42-43页 |
| 4.2 和声搜索算法理论 | 第43-45页 |
| 4.3 HS-ESN算法在光伏发电功率短期预测中的应用 | 第45-52页 |
| 4.3.1 HS-ESN算法的基本原理 | 第45-46页 |
| 4.3.2 基于HS-ESN算法的光伏发电功率短期预测模型 | 第46-48页 |
| 4.3.3 预测结果与分析 | 第48-52页 |
| 4.4 小节 | 第52-53页 |
| 5 预测系统的设计与实现 | 第53-62页 |
| 5.1 开发环境 | 第53页 |
| 5.2 需求分析 | 第53页 |
| 5.3 预测系统的分层及数据流程 | 第53-54页 |
| 5.4 预测系统的结构设计 | 第54-55页 |
| 5.5 预测系统的数据库设计 | 第55-57页 |
| 5.6 预测系统的实现 | 第57-61页 |
| 5.6.1 登录界面及数据导入模块 | 第57-59页 |
| 5.6.2 发电功率短期预测模块 | 第59页 |
| 5.6.3 报表统计模块 | 第59-61页 |
| 5.6.4 数据查询及输出模块 | 第61页 |
| 5.7 小节 | 第61-62页 |
| 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间的研究成果 | 第67页 |
