首页--工业技术论文--电工技术论文--发电、发电厂论文--各种发电论文--太阳能发电论文

分布式光伏发电全气象系统及出力预测方法研究

摘要第5-7页
ABSTRACT第7-8页
第1章 绪论第12-22页
    1.1 课题背景与意义第12-15页
        1.1.1 课题研究的背景第12-14页
        1.1.2 课题研究的意义第14-15页
    1.2 光伏出力预测研究现状及存在的问题第15-21页
        1.2.1 光伏出力预测方法第15-18页
        1.2.2 光伏出力预测的时间尺度第18页
        1.2.3 光伏出力预测的空间尺度第18-19页
        1.2.4 光伏出力预测模型输入变量的选取第19-20页
        1.2.5 光伏发电全气象参数传感网络第20页
        1.2.6 光伏出力预测存在的问题第20-21页
    1.3 研究内容第21-22页
第2章 分布式光伏发电全气象参数传感网络第22-36页
    2.1 引言第22页
    2.2 数据的采集和处理第22-24页
        2.2.1 光伏电站的实测数据第22-23页
        2.2.2 数据的预处理第23-24页
    2.3 系统架构设计第24-31页
        2.3.1 系统总体架构第24-26页
        2.3.2 系统硬件结构第26-28页
        2.3.3 系统软件结构第28-31页
    2.4 数据交换方式第31-32页
    2.5 上位机软件设计第32-33页
    2.6 样机展示第33-35页
    2.7 本章小结第35-36页
第3章 光伏发电功率与气象因素的相关分析第36-44页
    3.1 引言第36页
    3.2 光伏发电功率与气象因素的相关性第36-40页
        3.2.1 辐照度的影响第36-37页
        3.2.2 环境温度的影响第37-38页
        3.2.3 组件温度的影响第38-39页
        3.2.4 相对湿度的影响第39页
        3.2.5 其他气象因素的影响第39-40页
    3.3 光伏发电功率气象影响因子的确定第40-43页
    3.4 本章小结第43-44页
第4章 基于K-means聚类的天气状态模式分类与识别第44-54页
    4.1 引言第44页
    4.2 基本思想和技术路线第44-45页
        4.2.1 基本思想描述第44页
        4.2.2 技术路线第44-45页
    4.3 基于K-means聚类的天气状态模式识别模型第45-51页
        4.3.1 数据归一化处理第45-46页
        4.3.2 构建当前时刻天气矢量第46页
        4.3.3 按空间距离分类第46-47页
        4.3.4 按曲线相似程度分类第47-48页
        4.3.5 传统K-means聚类的原理及缺点第48-49页
        4.3.6 改进的K-means聚类算法第49-50页
        4.3.7 当前时刻天气状态模式识别第50-51页
    4.4 算例分析第51-52页
    4.5 本章小结第52-54页
第5章 基于Elman神经网络的光伏电站出力预测方法第54-64页
    5.1 引言第54页
    5.2 光伏出力预测模型设计第54-55页
    5.3 Elman神经网络第55-58页
        5.3.1 Elman神经网络原理第55-56页
        5.3.2 Elman神经网络的算法实现第56-57页
        5.3.3 Elman神经网络预测流程第57-58页
    5.4 短期出力预测模型的建立第58-60页
        5.4.1 短期出力预测方法的总体框架第58-59页
        5.4.2 输入量的选取第59页
        5.4.3 改进的Elman神经网络预测算法第59-60页
    5.5 算例分析第60-63页
        5.5.1 预测模型数据第60页
        5.5.2 预测误差分析第60页
        5.5.3 预测模型仿真结果第60-63页
    5.6 本章小结第63-64页
第6章 结论与展望第64-66页
    6.1 结论第64-65页
    6.2 创新点第65页
    6.3 展望第65-66页
参考文献第66-70页
致谢第70-72页
攻读学位期间参加的科研项目和成果第72页

论文共72页,点击 下载论文
上一篇:一种熔断器分段能力测试系统的研究
下一篇:光储微电网隐形故障监测与电池堆热管理