计及雾霾影响的光伏发电功率短期预测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11-12页 |
| 1.2 光伏发电的国内外研究现状 | 第12-15页 |
| 1.2.1 国外光伏发电发展现状 | 第12页 |
| 1.2.2 国内光伏发电发展现状 | 第12页 |
| 1.2.3 国内外光伏发电功率预测方法研究现状 | 第12-15页 |
| 1.3 光伏发电功率预测中存在的问题 | 第15-16页 |
| 1.4 本文研究内容 | 第16-17页 |
| 第2章 光伏发电功率预测技术 | 第17-23页 |
| 2.1 光伏发电功率预测方法概述 | 第17-18页 |
| 2.1.1 按时间尺度不同 | 第17-18页 |
| 2.1.2 按预测方式的不同 | 第18页 |
| 2.1.3 按模型原理的不同 | 第18页 |
| 2.2 光伏发电功率经典预测方法 | 第18-20页 |
| 2.2.1 多元线性回归 | 第18-19页 |
| 2.2.2 指数平滑法 | 第19-20页 |
| 2.3 光伏发电功率当前预测方法 | 第20-21页 |
| 2.3.1 灰色预测 | 第20页 |
| 2.3.2 小波分析法 | 第20-21页 |
| 2.3.3 神经网络预测法 | 第21页 |
| 2.4 常用方法与神经网络的优劣对比 | 第21-23页 |
| 第3章 基于AOD预测的太阳辐射强度预测模型 | 第23-39页 |
| 3.1 光伏电池 | 第23-25页 |
| 3.1.1 光伏电池基本结构 | 第23页 |
| 3.1.2 光伏电池的工作原理 | 第23-24页 |
| 3.1.3 辐照强度对发电量的影响 | 第24-25页 |
| 3.2 基于神经网络的AOD预测模型 | 第25-33页 |
| 3.2.1 AOD介绍及相关性分析 | 第26-27页 |
| 3.2.2 BP神经网络 | 第27-28页 |
| 3.2.3 模型结构 | 第28-29页 |
| 3.2.4 模型训练 | 第29-33页 |
| 3.3 基于AOD数据的地表辐射强度预测 | 第33-36页 |
| 3.3.1 辐照度预测模型的建立 | 第33-34页 |
| 3.3.2 辐照度预测模型的精度验证 | 第34-36页 |
| 3.4 光电转换 | 第36-37页 |
| 3.5 小结 | 第37-39页 |
| 第4章 雾霾天气下的积灰对光伏发电影响 | 第39-49页 |
| 4.1 光伏发电功率衰减特性试验 | 第39-41页 |
| 4.1.1 试验装置 | 第39-40页 |
| 4.1.2 试验过程 | 第40-41页 |
| 4.2 试验数据处理与分析 | 第41-43页 |
| 4.3 相关度分析 | 第43-44页 |
| 4.4 基于BP神经网络的光伏功率衰减率预测模型 | 第44-47页 |
| 4.4.1 BP神经网络简介 | 第44-45页 |
| 4.4.2 模型训练与验证 | 第45-47页 |
| 4.5 实例分析 | 第47-48页 |
| 4.6 结论 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
