| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 微电网的国内外研究现状 | 第11-14页 |
| 1.2.1 国外微电网研究 | 第11-13页 |
| 1.2.2 国内微电网研究 | 第13-14页 |
| 1.3 光储微电网系统调控的关键技术 | 第14-16页 |
| 1.3.1 光储微电网系统模型 | 第14-15页 |
| 1.3.2 光伏发电功率预测 | 第15-16页 |
| 1.4 本文的主要研究内容及工作 | 第16-18页 |
| 第2章 光储微电网系统模型 | 第18-35页 |
| 2.1 引言 | 第18页 |
| 2.2 光储微电网系统 | 第18-23页 |
| 2.2.1 智能微电网实验室研究平台介绍 | 第18-20页 |
| 2.2.2 光伏微电网系统的构成 | 第20-23页 |
| 2.3 光伏阵列模型和 MPPT | 第23-28页 |
| 2.3.1 光伏阵列 | 第23-26页 |
| 2.3.2 最大功率点跟踪 MPPT | 第26-28页 |
| 2.4 蓄电池模型 | 第28-29页 |
| 2.5 变流器模型和功率因数控制 | 第29-34页 |
| 2.5.1 变流器模型 | 第29-31页 |
| 2.5.2 功率因数控制 | 第31-33页 |
| 2.5.3 仿真结果 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 光伏发电功率预测 | 第35-48页 |
| 3.1 引言 | 第35页 |
| 3.2 光伏发电影响因子分析及相似日选取 | 第35-38页 |
| 3.3 BP 神经网络 | 第38-41页 |
| 3.3.1 标准 BP 算法 | 第38-39页 |
| 3.3.2 改进 BP 算法 | 第39-41页 |
| 3.3.2.1 自适应学习和增加动量项 | 第39-40页 |
| 3.3.2.2 陡度因子自适应调节和设计权值的初始值 | 第40-41页 |
| 3.4 预测模型设计 | 第41-42页 |
| 3.5 预测结果分析 | 第42-44页 |
| 3.6 模型抗气象信息预报误差能力的分析 | 第44-46页 |
| 3.7 本章小结 | 第46-48页 |
| 第4章 不同调度策略下的光储微电网系统调控 | 第48-53页 |
| 4.1 引言 | 第48页 |
| 4.2 光储微电网系统仿真模型 | 第48-49页 |
| 4.3 光储微电网系统调控仿真分析 | 第49-52页 |
| 4.3.1 经济调度策略 | 第49-51页 |
| 4.3.2 仿真结果 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 全文工作总结 | 第53-54页 |
| 5.2 进一步工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |