| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 微电网各项技术研究现状分析 | 第12-16页 |
| 1.2.1 微电网研究现状 | 第12-15页 |
| 1.2.2 微电网优化运行研究现状 | 第15-16页 |
| 1.3 微电源功率预测研究现状 | 第16-19页 |
| 1.3.1 风电功率预测研究现状 | 第16-17页 |
| 1.3.2 光伏发电功率研究现状 | 第17-19页 |
| 1.4 本文的主要研究内容 | 第19-21页 |
| 第2章 灰色系统模型和BP神经网络预测模型研究 | 第21-33页 |
| 2.1 灰色GM(1,1)系统模型建模方法研究 | 第21-26页 |
| 2.1.1 灰色GM(1,1)系统模型 | 第21-24页 |
| 2.1.2 灰色系统的优点及局限性 | 第24页 |
| 2.1.3 改进背景值和初始值的灰色GM(1,1)预测模型 | 第24-26页 |
| 2.2 BP人工神经网络预测模型研究 | 第26-31页 |
| 2.2.1 BP神经网络基本结构模型 | 第26-29页 |
| 2.2.2 BP神经网络的优点和局限性 | 第29-30页 |
| 2.2.3 调整学习律和希尔伯特黄优化的BP神经网络 | 第30-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第3章 基于灰色神经网络组合模型的微电网功率预测 | 第33-57页 |
| 3.1 灰色预测与BP神经网络预测的组合模型 | 第33-35页 |
| 3.1.1 灰色预测和BP神经网络的互补性 | 第33-34页 |
| 3.1.2 组合预测权重系数确定 | 第34-35页 |
| 3.2 基于灰色神经网络法的光伏发电功率预测 | 第35-48页 |
| 3.2.1 气象因素对光伏系统输出功率的影响 | 第35-37页 |
| 3.2.2 基于改进灰色模型的光伏功率预测案例分析 | 第37-40页 |
| 3.2.3 基于调整学习律的BP神经网络光伏功率预测案例分析 | 第40-45页 |
| 3.2.4 灰色神经网络组合模型的光伏功率预测 | 第45-48页 |
| 3.3 基于灰色神经网络法的风机发电功率预测 | 第48-56页 |
| 3.3.1 基于改进灰色模型的风机发电功率预测案例分析 | 第48-51页 |
| 3.3.2 基于希尔波黄BP神经网络的风机发电功率预测案例分析 | 第51-54页 |
| 3.3.3 灰色神经网络组合模型的风机发电功率预测 | 第54-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第4章 微电网多目标优化运行研究 | 第57-71页 |
| 4.1 微电网系统发电单元的数学模型 | 第57-63页 |
| 4.1.1 光伏电池发电模型 | 第57-58页 |
| 4.1.2 风力机组发电模型 | 第58-59页 |
| 4.1.3 微型燃气轮机发电模型 | 第59-60页 |
| 4.1.4 燃料电池发电模型 | 第60-61页 |
| 4.1.5 蓄电池发电模型 | 第61-63页 |
| 4.2 微电网优化模型建立 | 第63-66页 |
| 4.2.1 微电网多目标优化函数 | 第63-65页 |
| 4.2.2 微电网运行约束条件 | 第65-66页 |
| 4.3 微电网多目标优化模型求解 | 第66-70页 |
| 4.3.1 多目标微电网优化模型的模糊化 | 第66-68页 |
| 4.3.2 改进遗传算法求解多目标优化模型 | 第68-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第5章 微电网优化运行案例仿真 | 第71-83页 |
| 5.1 微电网在不同目标函数下的优化运行分析 | 第71-75页 |
| 5.2 微电网在不同运行策略下的优化运行分析 | 第75-78页 |
| 5.3 微电网功率预测精度对微电网经济调度影响分析 | 第78-83页 |
| 第6章 总结和展望 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91-93页 |
| 攻读硕士学位期间所做的工作 | 第93页 |
