| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 课题主要研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 光伏发电系统的功率特性及功率预测基础 | 第16-24页 |
| 2.1 光伏发电功率特性分析 | 第16-20页 |
| 2.1.1 太阳辐照度的影响 | 第16-17页 |
| 2.1.2 天气类型的影响 | 第17-18页 |
| 2.1.3 季节的影响 | 第18页 |
| 2.1.4 温度的影响 | 第18-20页 |
| 2.2 光伏发电功率预测基础 | 第20-22页 |
| 2.2.1 光伏功率预测概念 | 第20页 |
| 2.2.2 光伏功率预测分类及方法 | 第20-22页 |
| 2.3 预测结果的误差指标 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于相似日和小波神经网络的光伏功率超短期预测 | 第24-33页 |
| 3.1 基于气象因素的相似日选取方法 | 第24-26页 |
| 3.1.1 灰色关联度分析法 | 第24-25页 |
| 3.1.2 基于灰关联分析的相似日选取方法 | 第25-26页 |
| 3.2 基于小波神经网络的预测模型的建立 | 第26-32页 |
| 3.2.1 小波神经网络 | 第26-28页 |
| 3.2.2 预测模型的建立 | 第28-29页 |
| 3.2.3 预测实例分析 | 第29-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 基于思维进化神经网络的光伏功率短期预测 | 第33-42页 |
| 4.1 思维进化神经网络 | 第33-36页 |
| 4.1.1 思维进化算法 | 第33-34页 |
| 4.1.2 BP神经网络 | 第34-35页 |
| 4.1.3 BP神经网络的优化 | 第35-36页 |
| 4.2 基于思维进化神经网络的预测模型的建立 | 第36-40页 |
| 4.2.1 网络结构的设计 | 第36-37页 |
| 4.2.2 预测实例分析 | 第37-40页 |
| 4.3 本章小结 | 第40-42页 |
| 第5章 基于相似日和神经网络的光伏功率短期预测 | 第42-48页 |
| 5.1 基于相似日和神经网络的功率预测模型的建立 | 第42-43页 |
| 5.2 算例分析 | 第43-47页 |
| 5.2.1 数据的分析及选取 | 第43-45页 |
| 5.2.2 预测结果分析 | 第45-47页 |
| 5.3 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士士学位期间发表的学术论文 | 第54-56页 |
| 致谢 | 第56页 |