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

基于气象因素聚类分析的光伏出力短期预测研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-16页
    1.1 光伏出力预测研究背景第9-10页
    1.2 光伏出力预测研究意义第10页
    1.3 国内外研究现状第10-14页
        1.3.1 光伏出力预测国内外研究现状第10-13页
        1.3.2 光伏出力数据聚类的国内外研究现状第13-14页
    1.4 本文的主要工作第14-16页
第二章 光伏出力特性及相关性分析第16-24页
    2.1 光伏出力特性分析第16-17页
    2.2 气象因素的相关性分析第17-23页
        2.2.1 光伏发电的基本原理第17-19页
        2.2.2 太阳辐照度与光伏出力的相关性第19-20页
        2.2.3 温度与光伏出力的相关性第20-21页
        2.2.4 大气气溶胶与光伏出力的相关性第21-22页
        2.2.5 相对湿度与光伏出力的相关性第22-23页
    2.3 本章小结第23-24页
第三章 基于气象因素聚类分析第24-35页
    3.1 光伏出力的典型日特性第24-25页
    3.2 改进的模糊C均值聚类(IFCM)算法第25-27页
        3.2.1 模糊C均值聚类(FCM)算法的理论概述第25-26页
        3.2.2 FCM算法的改进第26-27页
    3.3 基于IFCM算法对光伏出力与气象数据聚类第27-34页
        3.3.1 聚类样本的选取第27-28页
        3.3.2 聚类结果与分析第28-32页
        3.3.3 聚类结果仿真分析第32-34页
    3.4 本章小结第34-35页
第四章 基于遗传膜优化BP神经网络算法的光伏出力短期预测第35-50页
    4.1 BP神经网络的理论概述第35-36页
        4.1.1 BP神经网络的结构第35-36页
        4.1.2 BP神经网络的不足第36页
    4.2 遗传算法和膜优化算法的理论概述第36-41页
        4.2.1 遗传优化算法第36-39页
        4.2.2 膜优化算法第39-41页
    4.3 基于遗传膜优化BP神经网络的组合预测模型的建立第41-45页
        4.3.1 网络结构的设计第41-42页
        4.3.2 遗传膜优化算法的构建第42-45页
    4.4 算例分析第45-49页
        4.4.1 数据预处理第45-46页
        4.4.2 结果分析第46-49页
    4.5 本章小结第49-50页
第五章 基于神经网络分位数回归的光伏出力概率预测第50-62页
    5.1 分位数回归理论第50-52页
        5.1.1 分位数回归基本原理第50-51页
        5.1.2 神经网络分位数回归模型第51-52页
    5.2 核密度估计第52-54页
        5.2.1 核密度估计理论第52-53页
        5.2.2 窗宽选取的一般方法第53-54页
    5.3 基于QRNN和KDE的光伏出力概率预测模型的构建第54-56页
        5.3.1 网络结构的设计第55页
        5.3.2 核密度估计的构建第55-56页
    5.4 算例分析第56-61页
        5.4.1 结果分析第56-61页
    5.5 本章小结第61-62页
第六章 结论与展望第62-64页
    6.1 结论第62-63页
    6.2 展望第63-64页
参考文献第64-68页
攻读硕士学位期间发表论文及科研成果第68-69页
附录第69-78页
致谢第78-79页

论文共79页,点击 下载论文
上一篇:电能质量扰动信号去噪与识别方法研究
下一篇:基于风险评估的配电网状态检修策略研究