| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 光伏产业国内外发展现状 | 第10-13页 |
| 1.3 光伏电站输出功率预测研究现状及其存在的问题 | 第13-17页 |
| 1.3.1 光伏电站输出功率预测分类 | 第13页 |
| 1.3.2 光伏电站输出功率预测技术国外研究现状 | 第13-14页 |
| 1.3.3 光伏电站输出功率预测技术国内研究现状 | 第14-16页 |
| 1.3.4 光伏电站输出功率预测存在的问题 | 第16-17页 |
| 1.4 本文主要研究内容 | 第17-18页 |
| 2 并网型光伏电站的组成 | 第18-32页 |
| 2.1 并网型光伏发电系统组成 | 第18-21页 |
| 2.1.1 光伏发电基本理论 | 第18-19页 |
| 2.1.2 并网型光伏系统构架 | 第19-21页 |
| 2.1.3 并网型光伏系统运行方式 | 第21页 |
| 2.2 并网光伏电站系统设计 | 第21-30页 |
| 2.2.1 系统关键设备选型 | 第22-26页 |
| 2.2.2 光伏电站监控系统 | 第26-27页 |
| 2.2.3 光伏功率预测系统 | 第27-29页 |
| 2.2.4 光伏功率控制系统 | 第29-30页 |
| 2.3 本章小结 | 第30-32页 |
| 3 并网型光伏电站输出特性及预测方法研究 | 第32-40页 |
| 3.1 并网型光伏电站输特性分析 | 第32-36页 |
| 3.1.1 光伏组件等效电路及数学模型 | 第32-33页 |
| 3.1.2 光伏组件输出特性 | 第33页 |
| 3.1.3 光伏电站输出功率影响因子分析 | 第33-36页 |
| 3.2 光功率预测方法技术对比 | 第36-38页 |
| 3.3 本章小结 | 第38-40页 |
| 4 高斯过程回归理论及改进方法 | 第40-52页 |
| 4.1 机器学习基本理论 | 第40-41页 |
| 4.1.1 贝叶斯统计理论 | 第40页 |
| 4.1.2 贝叶斯决策理论 | 第40-41页 |
| 4.2 高斯过程理论 | 第41-45页 |
| 4.2.1 高斯过程基本理论 | 第41-42页 |
| 4.2.2 高斯过程回归思想 | 第42-43页 |
| 4.2.3 高斯过程回归训练 | 第43页 |
| 4.2.4 高斯过程协方差函数选取 | 第43-44页 |
| 4.2.5 高斯过程超参数确定 | 第44-45页 |
| 4.3 高斯过程应用于光伏输出功率预测分析 | 第45-47页 |
| 4.3.1 高斯过程预测光伏功率可行性分析 | 第45页 |
| 4.3.2 算例仿真分析比较 | 第45-47页 |
| 4.4 改进优化高斯过程回归模型 | 第47-49页 |
| 4.4.1 粒子群优化算法理论 | 第47页 |
| 4.4.2 算法描述 | 第47-48页 |
| 4.4.3 粒子群算法改进高斯过程回归 | 第48-49页 |
| 4.5 本章小结 | 第49-52页 |
| 5 基于分类思想和改进高斯过程回归的功率预测方法 | 第52-68页 |
| 5.1 预测方法描述 | 第52-56页 |
| 5.1.1 数据来源及预处理 | 第52-53页 |
| 5.1.2 基于天气类型指数建立数据库 | 第53-54页 |
| 5.1.3 相似日的选取 | 第54-55页 |
| 5.1.4 预测模型设计 | 第55页 |
| 5.1.5 模型评价指标 | 第55-56页 |
| 5.2 实例一分析（陕西） | 第56-65页 |
| 5.2.1 陕西定边光伏电站简述 | 第56-58页 |
| 5.2.2 晴天类型仿真分析 | 第58-60页 |
| 5.2.3 阴雨天仿真分析 | 第60-62页 |
| 5.2.4 多变天气仿真分析 | 第62-63页 |
| 5.2.5 连续十天的预测结果对比 | 第63-65页 |
| 5.3 实例二分析（甘肃） | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 6 结论与展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录（晴天类型部分训练数据，2015.6.6,2015.6.7） | 第76-80页 |
| 攻读硕士期间发表的论文及参与项目 | 第80页 |