基于优化BP神经网络光伏功率预测的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.2 光伏功率预测的发展及国内外研究现状 | 第12-14页 |
| 1.2.1 光伏功率预测的发展 | 第12-13页 |
| 1.2.2 国内外研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-16页 |
| 第2章 光伏发电系统介绍 | 第16-25页 |
| 2.1 光伏电池 | 第16-17页 |
| 2.1.1 光伏电池的结构 | 第16页 |
| 2.1.2 光伏电池的发电原理 | 第16-17页 |
| 2.2 光伏发电系统 | 第17-20页 |
| 2.2.1 光伏发电系统的分类 | 第17-18页 |
| 2.2.2 并网光伏发电系统的组成 | 第18-20页 |
| 2.3 光伏发电功率的影响因素分析 | 第20-24页 |
| 2.3.1 季节类型对光伏输出功率的影响 | 第20页 |
| 2.3.2 天气类型对光伏输出功率的影响 | 第20-21页 |
| 2.3.3 风速对光伏输出功率的影响 | 第21-22页 |
| 2.3.4 太阳辐照强度对输出功率的影响 | 第22页 |
| 2.3.5 温度对光伏输出功率的影响 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 人工神经网络方法 | 第25-34页 |
| 3.1 神经网络理论基础 | 第25-27页 |
| 3.1.1 人工神经元模型 | 第25-26页 |
| 3.1.2 人工神经网络类型 | 第26-27页 |
| 3.2 BP神经网络 | 第27-31页 |
| 3.2.1 BP神经网络结构 | 第27-28页 |
| 3.2.2 BP算法的原理 | 第28-30页 |
| 3.2.3 BP算法的优缺点 | 第30-31页 |
| 3.3 BP神经网络功率预测模型 | 第31-33页 |
| 3.3.1 实验数据的收集以及预处理 | 第31页 |
| 3.3.2 BP功率预测模型的确定 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于狼群算法的短期光伏功率预测 | 第34-45页 |
| 4.1 群智能算法简介 | 第34-37页 |
| 4.2 狼群算法 | 第37-41页 |
| 4.2.1 算法的基本原理 | 第37-40页 |
| 4.2.2 狼群算法的性能 | 第40-41页 |
| 4.3 狼群算法的的改进 | 第41-42页 |
| 4.4 改进后的狼群算法优化BP神经网络 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 仿真实验与实验结果分析 | 第45-52页 |
| 5.1 实验环境 | 第45页 |
| 5.2 仿真实验的结果分析 | 第45-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54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 |
