| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景 | 第8-12页 |
| 1.2 目的和意义 | 第12页 |
| 1.3 研究现状 | 第12-15页 |
| 1.3.1 国内研究现状 | 第13-14页 |
| 1.3.2 国外研究现状 | 第14-15页 |
| 1.4 本文的主要内容 | 第15-17页 |
| 第二章 能源局域网中分布式能源评价及分析 | 第17-30页 |
| 2.1 能源评价概述 | 第17-19页 |
| 2.1.1 能源利用效率评价模型 | 第17页 |
| 2.1.2 能源经济性评价 | 第17-18页 |
| 2.1.3 能源环境评价 | 第18-19页 |
| 2.2 风力发电技术评价 | 第19-23页 |
| 2.2.1 风力发电基本原理 | 第20-22页 |
| 2.2.2 风力发电的经济性评价 | 第22-23页 |
| 2.2.3 风力发电的环境评价 | 第23页 |
| 2.3 光伏发电技术评价 | 第23-27页 |
| 2.3.1 光伏发电原理 | 第23-26页 |
| 2.3.2 光伏发电经济性评价 | 第26-27页 |
| 2.3.3 光伏发电环境评价 | 第27页 |
| 2.4 能源局域网供电模型 | 第27-29页 |
| 2.4.1 风力发电系统模型 | 第27-28页 |
| 2.4.2 光伏发电系统的模型 | 第28-29页 |
| 2.5 目标函数 | 第29页 |
| 2.6 小结 | 第29-30页 |
| 第三章 用电负荷分析 | 第30-42页 |
| 3.1 概念和分类 | 第30-32页 |
| 3.2 用电负荷特性分析 | 第32-34页 |
| 3.2.1 周周期性 | 第32-33页 |
| 3.2.2 日周期性 | 第33-34页 |
| 3.2.3 节假日特性 | 第34页 |
| 3.3 历史数据的预处理 | 第34-38页 |
| 3.3.1 数据预处理的必要性 | 第34-35页 |
| 3.3.2 不良数据的辨识及修正 | 第35-38页 |
| 3.4 用电负荷预测的基本步骤和误差分析 | 第38-41页 |
| 3.4.1 用电负荷预测的基本步骤 | 第38-39页 |
| 3.4.2 误差分析 | 第39-41页 |
| 3.5 小结 | 第41-42页 |
| 第四章 改进NARX神经网络的预测模型 | 第42-59页 |
| 4.1 人工神经网络介绍 | 第42-43页 |
| 4.2 动态神经网络 | 第43-49页 |
| 4.2.1 动态神经网络结构 | 第43-44页 |
| 4.2.2 NARX神经网络原理 | 第44-46页 |
| 4.2.3 主成分分析及神经网络训练 | 第46-49页 |
| 4.3 改进NARX神经网络 | 第49-56页 |
| 4.3.1 自适应神经网络算法 | 第49-50页 |
| 4.3.2 LM神经网络算法 | 第50-52页 |
| 4.3.3 灰色遗传NARX神经网络算法改进 | 第52-56页 |
| 4.4 用电负荷预测仿真 | 第56-58页 |
| 4.5 小结 | 第58-59页 |
| 第五章 分布式能源出力预测及出储能设备充放电决策仿真 | 第59-67页 |
| 5.1 光伏发电出力预测模型 | 第59-61页 |
| 5.2 风力发电出力预测模型 | 第61-63页 |
| 5.3 储能优化管理 | 第63-66页 |
| 5.3.1 春冬季能量优化管理 | 第63-64页 |
| 5.3.2 夏秋季能量优化管理 | 第64-66页 |
| 5.4 小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 6.1 研究总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 发表论文和科研情况说明 | 第75-76页 |
| 致谢 | 第76页 |