| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题的背景和意义 | 第10-11页 |
| 1.2 光伏发电的发展概况 | 第11-13页 |
| 1.3 光伏功率预测的研究现状 | 第13-14页 |
| 1.4 本论文的主要工作 | 第14-15页 |
| 第二章 光伏发电原理及输出功率影响因素分析 | 第15-24页 |
| 2.1 光伏发电的基本原理 | 第15-16页 |
| 2.2 光伏发电系统的分类 | 第16-19页 |
| 2.3 光伏发电功率的主要影响因素 | 第19-23页 |
| 2.3.1 实验数据来源及选用 | 第20-21页 |
| 2.3.2 环境温度对光伏输出功率的影响 | 第21-22页 |
| 2.3.3 湿度对于光伏输出功率的影响 | 第22-23页 |
| 2.3.4 太阳辐射强度对光伏发电功率的影响 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于多元线性回归的光伏发电功率预测模型 | 第24-33页 |
| 3.1 多元线性回归模型的基本原理 | 第24-26页 |
| 3.2 模型参数的最小二乘估计 | 第26-28页 |
| 3.3 多元线性回归的检验 | 第28-32页 |
| 3.3.1 回归效果的显著性检验 | 第28-29页 |
| 3.3.2 单个回归系数的显著性检验 | 第29-31页 |
| 3.3.3 预测 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 晴朗天气状况下光伏功率预测的分析与实现 | 第33-48页 |
| 4.1 数据的前期准备 | 第33页 |
| 4.2 回归模型的建立 | 第33-37页 |
| 4.3 回归模型的检验 | 第37-41页 |
| 4.3.1 复相关系数检验 | 第37-38页 |
| 4.3.2 标准误差与变异系数检验 | 第38-39页 |
| 4.3.3 方程与回归系数的显著性检验 | 第39-40页 |
| 4.3.4 数据拟合结果 | 第40-41页 |
| 4.4 晴朗天气条件下的功率预测 | 第41-43页 |
| 4.5 基于空间插值的气象数据不完整时的应对方法 | 第43-47页 |
| 4.5.1 空间插值与反距离加权算法的基本概念 | 第43-45页 |
| 4.5.2 基于ArcGis10.2中反距离加权算法的温度插值 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 非晴朗天气状况下光伏功率预测的分析与实现 | 第48-61页 |
| 5.1 人工神经网络的基本理论 | 第48-52页 |
| 5.2 BP神经网络的基本数学原理 | 第52-53页 |
| 5.3 基于BP神经网络的非晴朗天气状况下功率预测 | 第53-60页 |
| 5.3.1 应用MATLAB软件进行预测分析 | 第53-56页 |
| 5.3.2 BP神经网络的模型优化和分析 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 附录 | 第65-70页 |
| 致谢 | 第70页 |