| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 选题的背景与意义 | 第8-11页 |
| 1.1.1 选题背景 | 第8-10页 |
| 1.1.2 光伏出力预测的概念及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 光伏发电出力预测的分类 | 第12-13页 |
| 1.2.2 光伏发电出力预测的算法 | 第13-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 第2章 影响光伏出力预测的因素 | 第17-25页 |
| 2.1 光伏实测数据资料 | 第17-18页 |
| 2.2 光伏出力的影响因素分析 | 第18-23页 |
| 2.2.1 季节对光伏出力的影响 | 第19-20页 |
| 2.2.2 天气类型对光伏出力的影响 | 第20-21页 |
| 2.2.3 温度对光伏出力的影响 | 第21-22页 |
| 2.2.4 光照强度对光伏出力的影响 | 第22-23页 |
| 2.2.5 其他因素对光伏出力的影响 | 第23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 原始数据预处理及预测样本的选取 | 第25-33页 |
| 3.1 原始数据预处理 | 第25-28页 |
| 3.1.1 光伏原始数据预处理 | 第25页 |
| 3.1.2 气象信息预处理 | 第25-28页 |
| 3.2 预测样本的选取 | 第28-32页 |
| 3.2.1 预测样本的预选取步骤 | 第28-29页 |
| 3.2.2 基于温度相似日的预测样本选取 | 第29-30页 |
| 3.2.3 基于相空间重构的预测样本选取 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 预测算法研究 | 第33-45页 |
| 4.1 灰色预测法 | 第33-35页 |
| 4.1.1 灰色理论概述 | 第33-34页 |
| 4.1.2 灰色GM(1,1)建模原理及步骤 | 第34-35页 |
| 4.2 人工神经网络预测法 | 第35-42页 |
| 4.2.1 人工神经网络概述 | 第35-37页 |
| 4.2.2 BP神经网络预测法 | 第37-39页 |
| 4.2.3 改进神经网络预测法 | 第39-42页 |
| 4.3 组合预测法 | 第42-44页 |
| 4.3.1 组合预测概述 | 第42页 |
| 4.3.2 组合预测模型 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 光伏出力预测算例分析 | 第45-64页 |
| 5.1 预测模型 | 第45-53页 |
| 5.1.1 基于温度相似日的灰色GM(1,1)预测模型 | 第45-46页 |
| 5.1.2 基于温度相似日的BP神经网络预测模型 | 第46-47页 |
| 5.1.3 基于相空间重构的改进神经网络模型 | 第47-52页 |
| 5.1.4 组合模型 | 第52-53页 |
| 5.2 预测效果评估指标 | 第53页 |
| 5.3 预测结果及分析 | 第53-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第6章 结论与展望 | 第64-66页 |
| 6.1 结论 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |