新能源风光发电功率预测模型的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究的背景及其意义 | 第9-11页 |
| ·课题研究的背景 | 第9-10页 |
| ·课题研究的意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本论文主要研究内容 | 第13-14页 |
| 第2章 风力与光伏发电功率预测方法综述 | 第14-22页 |
| ·风力发电功率预测综述 | 第14-19页 |
| ·按预测时间跨度分类 | 第14-15页 |
| ·按输入数据分类 | 第15页 |
| ·按采用的数学模型分类 | 第15-18页 |
| ·按照预测物理量分类 | 第18-19页 |
| ·光伏发电功率预测综述 | 第19-21页 |
| ·光伏预测物理方法 | 第19-20页 |
| ·光伏预测统计方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 风光发电统计规律研究及影响因子的确定 | 第22-34页 |
| ·张北风光储输示范基地环境情况概述 | 第22-23页 |
| ·风力发电统计规律研究 | 第23-27页 |
| ·风的特点及统计规律 | 第23-26页 |
| ·风力发电量统计规律 | 第26-27页 |
| ·光伏发电统计规律研究 | 第27-30页 |
| ·光伏发电的原理 | 第27-28页 |
| ·光伏发电量统计规律及气象影响因素 | 第28-30页 |
| ·风力发电以及光伏发电影响因子的确定 | 第30-32页 |
| ·灰色关联度分析 | 第30页 |
| ·灰色关联度分析的步骤 | 第30-31页 |
| ·风电与光伏发电功率因素关联度分析 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 基于神经网络的风光发电功率预测模型 | 第34-49页 |
| ·引言 | 第34页 |
| ·神经网络介绍 | 第34-38页 |
| ·神经网络基本概念及特点 | 第34-35页 |
| ·人工神经元模型 | 第35-36页 |
| ·神经网络常用的激励函数 | 第36-38页 |
| ·RBF神经网络 | 第38-44页 |
| ·RBF神经网络的基本原理与结构 | 第39页 |
| ·RBF神经网络的传递函数及中心的选取 | 第39-41页 |
| ·RBF神经网络的算法步骤 | 第41-43页 |
| ·基于MATLAB的RBF神经网络建模 | 第43-44页 |
| ·基于RBF神经网络的风光发电功率预测模型 | 第44-48页 |
| ·样本的归一化处理 | 第44-45页 |
| ·RBF神经网络的层次设计 | 第45页 |
| ·预测结果分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 预测模型在生产可视化系统中的实现 | 第49-57页 |
| ·可视化平台技术实现 | 第49-52页 |
| ·平台技术架构 | 第49-50页 |
| ·前端技术实现 | 第50-51页 |
| ·Java与Matlab的混合编程 | 第51-52页 |
| ·风光发电功率预测子系统的设计与实现 | 第52-56页 |
| ·系统功能模块设计 | 第52-53页 |
| ·数据库设计 | 第53-54页 |
| ·系统实现 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-64页 |
| 致谢 | 第64页 |
