| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 光伏发电现状及发展趋势 | 第10-16页 |
| 1.2.1 光伏发电应用领域 | 第11-12页 |
| 1.2.2 光伏发电累计装机容量 | 第12-13页 |
| 1.2.3 光伏发电市场分布 | 第13-14页 |
| 1.2.4 光伏发电发展趋势 | 第14-16页 |
| 1.3 光伏发电系统功率预测研究意义 | 第16-17页 |
| 1.4 光伏发电系统功率预测研究现状 | 第17-19页 |
| 1.5 本文主要工作及研究内容 | 第19-21页 |
| 第2章 光伏发电原理及其发电出力特点 | 第21-29页 |
| 2.1 光伏发电原理 | 第21页 |
| 2.2 光伏发电系统构成 | 第21-23页 |
| 2.3 影响光伏发电系统功率输出的因素 | 第23-25页 |
| 2.3.1 太阳辐射强度 | 第23页 |
| 2.3.2 温度 | 第23-24页 |
| 2.3.3 太阳能电池组件 | 第24-25页 |
| 2.3.4 配线方案 | 第25页 |
| 2.4 光伏发电系统输出功率特性 | 第25-27页 |
| 2.4.1 功率平稳性检验 | 第25-26页 |
| 2.4.2 光伏发电系统输出功率规律 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于神经网络和支持向量机的光伏发电系统功率预测方法 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 光伏发电系统功率预测技术 | 第29-36页 |
| 3.2.1 BP神经网络 | 第29-33页 |
| 3.2.2 灰色神经网络 | 第33-35页 |
| 3.2.3 支持向量机 | 第35-36页 |
| 3.3 算法分析 | 第36-40页 |
| 3.3.1 数据归一化处理 | 第36-37页 |
| 3.3.2 误差比较 | 第37页 |
| 3.3.3 仿真分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 EMD-LSSVM光伏发电系统发电功率预测 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 经验模态分解法 | 第41-42页 |
| 4.3 最小二乘支持向量机 | 第42-43页 |
| 4.4 EMD-LSSVM预测模型 | 第43-45页 |
| 4.5 应用实例与分析 | 第45-47页 |
| 4.6 小结 | 第47-48页 |
| 第5章 LMD-LSSVM光伏发电系统发电功率预测 | 第48-55页 |
| 5.1 引言 | 第48页 |
| 5.2 局部均值分解法 | 第48-50页 |
| 5.3 LMD-LSSVM预测模型 | 第50-52页 |
| 5.4 应用实例与分析 | 第52-54页 |
| 5.5 小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 附录A（攻读学位期间所发表的学术论文目录） | 第63-64页 |
| 附录B（攻读学位期间所参加的科研项目目录） | 第64页 |
