摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-24页 |
1.1 选题背景及其意义 | 第15-16页 |
1.2 国内外研究现状及发展动态分析 | 第16-22页 |
1.2.1 光伏发电功率短期预测研究 | 第18-19页 |
1.2.2 光伏发电功率超短期预测研究 | 第19-21页 |
1.2.3 光伏发电功率分钟级预测研究 | 第21-22页 |
1.3 本文的主要研究内容 | 第22-24页 |
第2章 光伏发电功率短期预测问题研究 | 第24-62页 |
2.1 引言 | 第24-25页 |
2.2 模式分类算法 | 第25-29页 |
2.2.1 模式分类与识别 | 第25-26页 |
2.2.2 K近邻算法 | 第26-27页 |
2.2.3 支持向量机 | 第27-29页 |
2.3 天气状态模式识别 | 第29-35页 |
2.3.1 数据说明 | 第29-33页 |
2.3.2 仿真建模 | 第33-35页 |
2.4 面向光伏电站天气状态模式识别的分类器性能对比分析 | 第35-45页 |
2.4.1 分类器性能全局比较 | 第35-38页 |
2.4.2 训练样本数量规模影响 | 第38-40页 |
2.4.3 类间样本数量分布差异影响 | 第40-43页 |
2.4.4 K近邻算法参数选择 | 第43-45页 |
2.5 光伏发电功率短期预测模型 | 第45-50页 |
2.5.1 长短记忆递归神经网络模型 | 第45-49页 |
2.5.2 时间关联模型 | 第49-50页 |
2.6 基于日前天气状态预判的光伏发电功率短期预测模型 | 第50-60页 |
2.6.1 日前天气状态预判 | 第50-52页 |
2.6.2 预测模型设计 | 第52页 |
2.6.3 仿真数据说明 | 第52-54页 |
2.6.4 结果分析与比较 | 第54-60页 |
2.7 本章小结 | 第60-62页 |
第3章 光伏发电功率超短期预测问题研究 | 第62-77页 |
3.1 引言 | 第62页 |
3.2 组合预测方法 | 第62-63页 |
3.3 基于小波分解的多重并行预测 | 第63-65页 |
3.4 基于自适应时间断面融合的组合预测方法 | 第65-69页 |
3.5 算法仿真与讨论 | 第69-75页 |
3.5.1 仿真过程设计 | 第69页 |
3.5.2 仿真结果比较 | 第69-74页 |
3.5.3 结果讨论分析 | 第74-75页 |
3.6 本章小结 | 第75-77页 |
第4章 光伏发电功率分钟级预测问题研究 | 第77-115页 |
4.1 引言 | 第77页 |
4.2 基于天空图像的光伏发电功率分钟级预测方法 | 第77-79页 |
4.2.1 云团运动对光伏发电功率的影响机理 | 第77-78页 |
4.2.2 光伏发电功率分钟级预测基本技术路线 | 第78-79页 |
4.3 天空图像云空识别 | 第79-89页 |
4.3.1 基于最大类间方差原理的云团辨识方法 | 第79-83页 |
4.3.2 基于k均值聚类的云团辨识方法 | 第83-89页 |
4.4 基于相位相关理论的天空图像云团位移计算 | 第89-100页 |
4.4.1 傅里叶相位相关理论 | 第89-90页 |
4.4.2 云团位移计算流程 | 第90-91页 |
4.4.3 算法鲁棒性分析 | 第91-95页 |
4.4.4 仿真结果与分析 | 第95-100页 |
4.5 基于相移不变性的改进云团位移计算 | 第100-108页 |
4.5.1 相移不变性 | 第100-101页 |
4.5.2 基于相移不变性的天空图像云团位移计算改进算法 | 第101-103页 |
4.5.3 仿真结果与分析 | 第103-108页 |
4.6 基于天空图像的地表辐照度映射模型 | 第108-113页 |
4.6.1 地表辐照度计算流程 | 第108-109页 |
4.6.2 晴空地表辐照度 | 第109-110页 |
4.6.3 天空图像云遮挡特征提取 | 第110-111页 |
4.6.4 模型选择与设计 | 第111-112页 |
4.6.5 仿真结果 | 第112-113页 |
4.7 本章小结 | 第113-115页 |
第5章 结论与展望 | 第115-117页 |
5.1 结论 | 第115-116页 |
5.2 展望 | 第116-117页 |
参考文献 | 第117-128页 |
攻读博士学位期间发表的论文及其它成果 | 第128-129页 |
攻读博士学位期间参加的科研工作 | 第129-130页 |
致谢 | 第130-131页 |
作者简介 | 第131页 |