考虑光伏出力预测不确定性的光—火联合调度
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题的研究背景及意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 光伏出力预测研究现状 | 第11-12页 |
| 1.2.2 联合调度研究现状 | 第12-14页 |
| 1.3 本文的主要内容及安排 | 第14-16页 |
| 2 光伏出力预测模型研究 | 第16-32页 |
| 2.1 基于SVM理论的预测模型 | 第16-20页 |
| 2.1.1 SVM算法概述 | 第16页 |
| 2.1.2 SVM的分类原理 | 第16-19页 |
| 2.1.3 SVM预测模型设计 | 第19-20页 |
| 2.2 基于ARMA理论的预测模型 | 第20-25页 |
| 2.2.1 时间序列理论概述 | 第20页 |
| 2.2.2 ARMA的预测方法 | 第20-22页 |
| 2.2.3 ARMA预测模型的建模原理及步骤 | 第22-25页 |
| 2.3 基于BP神经网络理论的预测模型 | 第25-28页 |
| 2.3.1 BP神经网络概述 | 第25页 |
| 2.3.2 BP神经网络的学习算法 | 第25-27页 |
| 2.3.3 BP神经网络预测模型设计 | 第27-28页 |
| 2.4 基于IOWA算子的组合预测模型 | 第28-30页 |
| 2.4.1 IOWA 算子概论 | 第28-29页 |
| 2.4.2 组合预测模型的建模原理及步骤 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 光伏出力特性及预测结果分析 | 第32-40页 |
| 3.1 基于实测数据的光伏出力特性分析 | 第32-35页 |
| 3.1.1 年出力特性分析 | 第32-33页 |
| 3.1.2 月出力特性分析 | 第33页 |
| 3.1.3 日出力特性分析 | 第33-35页 |
| 3.2 相似日的选取 | 第35-37页 |
| 3.2.1 相似论基础 | 第35-36页 |
| 3.2.2 相似日选取方法 | 第36页 |
| 3.2.3 归一化处理 | 第36-37页 |
| 3.3 光伏出力预测结果分析 | 第37-38页 |
| 3.3.1 对Ⅰ类出力曲线预测结果分析 | 第37页 |
| 3.3.2 对Ⅱ类出力曲线预测结果分析 | 第37-38页 |
| 3.4 光伏出力预测结果评价 | 第38-39页 |
| 3.4.1 评价指标选取 | 第38页 |
| 3.4.2 结果评价 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于光伏出力预测区间的光-火联合调度 | 第40-54页 |
| 4.1 预测区间的选取 | 第40-42页 |
| 4.1.1 对Ⅰ类光伏出力曲线的预测区间分析 | 第40-41页 |
| 4.1.2 对Ⅱ类光伏出力曲线的预测区间分析 | 第41页 |
| 4.1.3 预测区间的评价 | 第41-42页 |
| 4.2 光火联合调度模型 | 第42-43页 |
| 4.2.1 目标函数 | 第42页 |
| 4.2.2 约束条件 | 第42-43页 |
| 4.3 遗传算法的基础理论 | 第43-45页 |
| 4.3.1 遗传算法概述 | 第43-44页 |
| 4.3.2 遗传算法的实现 | 第44-45页 |
| 4.4 算例验证 | 第45-53页 |
| 4.4.1 算例描述 | 第45-47页 |
| 4.4.2 算例分析 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 结论与展望 | 第54-56页 |
| 5.1 结论 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-61页 |
