| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究意义及国内外研究现状 | 第10-15页 |
| 1.2.1 研究意义 | 第10-11页 |
| 1.2.2 国内外研究现状 | 第11-15页 |
| 1.3 本文研究的内容和创新点 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 创新点 | 第15-16页 |
| 1.4 本文结构 | 第16-18页 |
| 第二章 光伏电池物理预测模型的建立与研究 | 第18-28页 |
| 2.1 引言 | 第18-19页 |
| 2.2 光伏发电预测模型的建立 | 第19-23页 |
| 2.2.1 任意辐照度和温度下的电性参数模型的建立 | 第19-22页 |
| 2.2.2 模型误差判定标准 | 第22-23页 |
| 2.3 实验内容 | 第23-24页 |
| 2.3.1 实验样品及测量仪器说明 | 第23-24页 |
| 2.3.2 数据测量内容 | 第24页 |
| 2.4 预测结果及分析 | 第24-27页 |
| 2.5 结论 | 第27-28页 |
| 第三章 神经网络模型中参数对于光伏发电预测影响的研究 | 第28-37页 |
| 3.1 BP神经网络预测理论 | 第28-31页 |
| 3.1.1 BP神经网络模型 | 第28页 |
| 3.1.2 BP网络模型的算法 | 第28-30页 |
| 3.1.3 BP神经网络预测模型的建立 | 第30-31页 |
| 3.2 实验内容 | 第31页 |
| 3.3 预测结果及分析 | 第31-36页 |
| 3.3.1 改变隐含层传递函数 | 第32-33页 |
| 3.3.2 改变训练函数 | 第33-36页 |
| 3.4 结论 | 第36-37页 |
| 第四章 气象因素对神经网络光伏发电预测影响的研究 | 第37-50页 |
| 4.1 引言 | 第37页 |
| 4.2 建立神经网络预测模型 | 第37-39页 |
| 4.2.1 BP神经网络预测模型的建立 | 第37-38页 |
| 4.2.2 小波神经网络预测模型的建立 | 第38-39页 |
| 4.2.3 模型误差判定标准 | 第39页 |
| 4.3 实验内容 | 第39-42页 |
| 4.3.1 实验样品及测量仪器说明 | 第39-41页 |
| 4.3.2 测量数据 | 第41-42页 |
| 4.4 预测结果及分析 | 第42-49页 |
| 4.4.1 BP神经网络预测分析 | 第42-45页 |
| 4.4.2 小波神经网络预测分析 | 第45-49页 |
| 4.5 结论 | 第49-50页 |
| 第五章 基于遗传算法改进BP神经网络预测模型的研究 | 第50-59页 |
| 5.1 引言 | 第50页 |
| 5.2 GA-BP神经网络理论 | 第50-55页 |
| 5.2.1 GA算法介绍 | 第50页 |
| 5.2.2 GA算法的实现 | 第50-52页 |
| 5.2.3 GA-BP神经网络预测模型建立 | 第52-55页 |
| 5.3 预测结果与分析 | 第55-58页 |
| 5.4 结论 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和参加科研情况说明 | 第65-66页 |
| 致谢 | 第66-67页 |
