| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题的研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 光伏功率短期预测研究现状 | 第15-17页 |
| 1.2.2 光伏功率短期概率预测研究现状 | 第17页 |
| 1.3 论文主要研究内容 | 第17-19页 |
| 第二章 光伏功率预测技术分析 | 第19-27页 |
| 2.1 影响光伏功率预测的气象因素 | 第19-23页 |
| 2.1.1 辐照强度与光伏输出功率之间的关系 | 第19-20页 |
| 2.1.2 天气类型与光伏输出功率的关系 | 第20-21页 |
| 2.1.3 环境温度与光伏输出功率的关系 | 第21-22页 |
| 2.1.4 风速与光伏输出功率的关系 | 第22-23页 |
| 2.2 气象因素相关性分析 | 第23-24页 |
| 2.3 数据归一化 | 第24页 |
| 2.4 预测误差分析 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于FA优化核极限学习机的短期光伏功率预测 | 第27-39页 |
| 3.1 极限学习机 | 第27-28页 |
| 3.2 核极限学习机的原理 | 第28-30页 |
| 3.3 基于萤火虫算法优化的KELM | 第30-33页 |
| 3.3.1 核极限学习机模型参数优化 | 第30页 |
| 3.3.2 萤火虫算法 | 第30-31页 |
| 3.3.3 目标函数的建立 | 第31-32页 |
| 3.3.4 基于FA-KELM短期光伏功率预测模型 | 第32-33页 |
| 3.4 算例分析 | 第33-37页 |
| 3.4.1 数据介绍 | 第33页 |
| 3.4.2 天气类型分析 | 第33-35页 |
| 3.4.3 样本数据集 | 第35-36页 |
| 3.4.4 仿真结果分析 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于变分模态分解与样本熵的短期光伏发电组合预测 | 第39-53页 |
| 4.1 变分模态分解 | 第39-44页 |
| 4.1.1 变分模态分解原理 | 第40-41页 |
| 4.1.2 变分模态分解实现步骤 | 第41-43页 |
| 4.1.3 重要参数影响与确定方法 | 第43-44页 |
| 4.2 基于样本熵的时间序列复杂度分析 | 第44-45页 |
| 4.3 基于变分模态分解与样本熵的预测模型 | 第45-47页 |
| 4.3.1 输入变量选取与预处理 | 第45-46页 |
| 4.3.2 VMD分解与样本熵分析 | 第46页 |
| 4.3.3 光伏功率预测流程 | 第46-47页 |
| 4.4 算例分析 | 第47-52页 |
| 4.4.1 光伏功率序列VMD分解 | 第48页 |
| 4.4.2 样本熵重组 | 第48-50页 |
| 4.4.3 分量预测 | 第50-51页 |
| 4.4.4 结果分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于VMD-SE和优化的KELM光伏功率区间预测 | 第53-60页 |
| 5.1 区间预测 | 第53-56页 |
| 5.1.1 区间预测介绍 | 第53-54页 |
| 5.1.2 区间预测评价指标 | 第54-55页 |
| 5.1.3 基于核密度分布的区间估计 | 第55-56页 |
| 5.2 基于VMD-SE和优化KELM光伏功率区间预测模型建立 | 第56-57页 |
| 5.3 算例分析 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读学位期间发表的论文 | 第68-69页 |
| 攻读学位期间参加的科研工作 | 第69-71页 |
| 致谢 | 第71页 |
