基于天空图像与大气传输模型的地表辐照度计算方法
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及其意义 | 第11-14页 |
| 1.1.1 课题研究背景 | 第11-13页 |
| 1.1.2 课题研究的意义 | 第13-14页 |
| 1.2 课题研究的发展现状 | 第14-17页 |
| 1.2.1 光伏发电功率预测的研究现状 | 第14-16页 |
| 1.2.2 地表辐照度计算与预测的研究现状 | 第16-17页 |
| 1.3 论文的主要工作 | 第17-19页 |
| 第2章 太阳辐射传输过程与晴空辐照度模型 | 第19-29页 |
| 2.1 太阳辐射传输过程 | 第19-23页 |
| 2.1.1 太阳辐射的基本概念 | 第19-20页 |
| 2.1.2 太阳辐射的衰减 | 第20-21页 |
| 2.1.3 大气中粒子辐射特性 | 第21-23页 |
| 2.2 晴空辐照度模型 | 第23-27页 |
| 2.2.1 天文参数的计算 | 第24-26页 |
| 2.2.2 晴空地表辐照度的计算 | 第26-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 基于天空图像的云遮挡特征提取 | 第29-38页 |
| 3.1 天空图像的获取 | 第29-30页 |
| 3.2 天空图像预处理 | 第30-34页 |
| 3.2.1 噪声去除 | 第30-31页 |
| 3.2.2 畸变矫正 | 第31-34页 |
| 3.3 云的分类与辨识 | 第34-36页 |
| 3.4 地表阴影分布与特征提取 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 神经网络模型的优化与设计 | 第38-45页 |
| 4.1 神经网络概述 | 第38-40页 |
| 4.1.1 神经网络简介 | 第38页 |
| 4.1.2 神经网络的基本模型 | 第38-39页 |
| 4.1.3 神经网络的功能及应用 | 第39页 |
| 4.1.4 BP神经网络 | 第39-40页 |
| 4.2 BP神经网络的设计与优化 | 第40-43页 |
| 4.2.1 BP神经网络输入量的选择 | 第40-42页 |
| 4.2.2 隐含层数和节点数的选择 | 第42-43页 |
| 4.2.3 训练样本集与训练函数的选择 | 第43页 |
| 4.3 本章小结 | 第43-45页 |
| 第5章 基于天空图像的神经网络仿真分析 | 第45-52页 |
| 5.1 实验数据处理 | 第45-46页 |
| 5.1.1 数据一致性 | 第45页 |
| 5.1.2 异常数据及归一化 | 第45-46页 |
| 5.2 BP神经网络模型的训练 | 第46-47页 |
| 5.3 BP神经网络模型测试结果分析 | 第47-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 6.1 结论 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |
