摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第一章 绪论 | 第11-19页 |
·课题的背景及意义 | 第11页 |
·微电网的概念 | 第11-13页 |
·微电网研究现状 | 第13-15页 |
·光伏发电功率预报现状 | 第15-16页 |
·国外研究现状 | 第15页 |
·国内研究现状 | 第15-16页 |
·负荷预报研究现状 | 第16-17页 |
·本文主要工作 | 第17-19页 |
第二章 光伏发电及其影响因素分析 | 第19-30页 |
·光伏发电系统原理 | 第19-21页 |
·光伏并网发电系统的组成 | 第21页 |
·光伏电池输入输出特性 | 第21-25页 |
·光伏电池特性 | 第21-24页 |
·光电转换效率 | 第24-25页 |
·影响光伏系统发电特性的因素 | 第25-29页 |
·季节 | 第25-26页 |
·日类型 | 第26-27页 |
·太阳能辐照强度 | 第27-28页 |
·温度 | 第28-29页 |
·本章小结 | 第29-30页 |
第三章 微电网负荷特性与影响因素分析 | 第30-38页 |
·电力系统负荷分类 | 第30页 |
·微电网负荷特性分析 | 第30-33页 |
·负荷气象影响因素分析 | 第33-35页 |
·负荷预报 | 第35-37页 |
·负荷预报的分类 | 第35-36页 |
·用电负荷的特点 | 第36页 |
·影响微电网负荷预报的因素 | 第36-37页 |
·本章小结 | 第37-38页 |
第四章 基于相似日的预报模型数据分类 | 第38-47页 |
·相似日选择原理 | 第38-39页 |
·日特征相似日原理 | 第38页 |
·形状相似日原理 | 第38-39页 |
·数据的采集和处理 | 第39-43页 |
·气象参数数据的选取 | 第39-40页 |
·光伏发电功率和负荷数据的选取 | 第40-42页 |
·数据处理 | 第42-43页 |
·相似日理论在光伏发电功率预报中的应用 | 第43-44页 |
·光伏发电功率中的日特征向量的建立 | 第43页 |
·相似日选取结果 | 第43-44页 |
·相似日理论在负荷预报中的应用 | 第44-46页 |
·负荷预报中的日特征向量的建立 | 第44-45页 |
·相似日选取结果 | 第45-46页 |
·本章小结 | 第46-47页 |
第五章 光伏发电功率预报 | 第47-58页 |
·光伏发电功率预报概述 | 第47-49页 |
·光伏发电功率概述 | 第47页 |
·光伏发电预报的分类 | 第47-48页 |
·光伏发点功率预报的原则 | 第48页 |
·光伏发电功率预测方式 | 第48-49页 |
·Elman 神经网络 | 第49-53页 |
·Elman 神经网络结构 | 第50-51页 |
·Elman 神经网络原理与算法 | 第51-52页 |
·Elman 神经网络的预测流程 | 第52-53页 |
·基于相似日的 Elman 神经网络无辐照度预测模型 | 第53-57页 |
·预测模型的输入输出层节点的确定 | 第54页 |
·预测模型隐含层节点的选取 | 第54-55页 |
·Elman 神经网络模型结构 | 第55页 |
·预报模型训练和评估 | 第55页 |
·预测结果分析 | 第55-57页 |
·本章小结 | 第57-58页 |
第六章 基于辐照度预报的光伏发电功率预报 | 第58-67页 |
·太阳能辐照度预报 | 第58-59页 |
·基于辐照度预报的线性外推法预报光伏发电功率 | 第59-62页 |
·线性外推法的基本原理 | 第59-60页 |
·预测结果及分析 | 第60-62页 |
·基于太阳能辐照强度预报和太阳能电池 I/V 特性曲线的预测法 | 第62-66页 |
·太阳能电池的 I/V 特性曲线 | 第62-64页 |
·预测结果及分析 | 第64-66页 |
·本章小结 | 第66-67页 |
第七章 基于相似日的超短期负荷预报方法研究 | 第67-74页 |
·基于相似日理论的 Elman 神经网络超短期负荷预报 | 第67-70页 |
·数据的采集和处理 | 第67-68页 |
·预测模型的输入 | 第68页 |
·预测模型隐含层节点选取 | 第68-69页 |
·预测结果分析 | 第69-70页 |
·基于相似日的线性外推法负荷预报模型 | 第70-73页 |
·本章小结 | 第73-74页 |
第八章 总结与展望 | 第74-76页 |
·本文总结 | 第74-75页 |
·工作展望 | 第75-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-82页 |
附录 | 第82页 |