| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 分布式光伏发电预测背景与意义 | 第11-13页 |
| 1.1.1 课题研究的背景 | 第11-12页 |
| 1.1.2 课题研究的意义 | 第12-13页 |
| 1.2 分布式光伏发电功率预测国内外现状 | 第13-16页 |
| 1.2.1 发电功率预测概述 | 第13-14页 |
| 1.2.2 光伏发电功率预测研究现状 | 第14-15页 |
| 1.2.3 分布式光伏出力预测存在的问题 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 第2章 分布式光伏监测系统设计 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 光伏气象采集系统设计 | 第17-21页 |
| 2.2.1 气象站总体架构 | 第17-18页 |
| 2.2.2 气象采集系统硬件设计 | 第18-21页 |
| 2.3 电气参数监测系统设计 | 第21-23页 |
| 2.3.1 电气采集系统总体架构设计 | 第21页 |
| 2.3.2 硬件电路设计 | 第21-23页 |
| 2.4 CAN总线转TCP/IP | 第23-25页 |
| 2.5 服务器网络功能设置 | 第25-26页 |
| 2.6 实验实物 | 第26页 |
| 2.7 本章小结 | 第26-29页 |
| 第3章 光伏出力影响因子分析与特征提取 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 分布式光伏出力因素 | 第29-37页 |
| 3.2.1 太阳辐射度 | 第29-30页 |
| 3.2.2 太阳辐射强度时空分布特性 | 第30-33页 |
| 3.2.3 组件温度的影响 | 第33页 |
| 3.2.4 其它气象因素的影响 | 第33-34页 |
| 3.2.5 日天气类型对光伏发电量的影响 | 第34-36页 |
| 3.2.6 组件和其它硬件相关 | 第36-37页 |
| 3.3 实验数据 | 第37-42页 |
| 3.3.1 实验数据来源介绍 | 第37-38页 |
| 3.3.2 实验数据差错修正 | 第38-39页 |
| 3.3.3 数据匹配分析 | 第39-41页 |
| 3.3.4 实验数据预处理 | 第41-42页 |
| 3.4 数据特征提取 | 第42-44页 |
| 3.4.1 小波理论 | 第42-43页 |
| 3.4.2 功率和辐射度小波分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于智能选择输入变量的光伏出力预测方法 | 第45-69页 |
| 4.1 引言 | 第45页 |
| 4.2 辐射度预测 | 第45-47页 |
| 4.3 基于多目标遗传算法的GAMMA TEST输入变量选择方法 | 第47-58页 |
| 4.3.1 多目标遗传算法 | 第47-52页 |
| 4.3.2 Gamma Test | 第52-53页 |
| 4.3.3 输入变量优选与降低维度方法 | 第53-54页 |
| 4.3.4 输入变量选择结果 | 第54-56页 |
| 4.3.5 符号说明 | 第56-58页 |
| 4.4 持久预测模型 | 第58-59页 |
| 4.5 神经网络模型 | 第59-60页 |
| 4.5.1 Elman神经网络概述 | 第59页 |
| 4.5.2 Elman神经网络预测算法 | 第59-60页 |
| 4.6 支持向量回归机模型 | 第60-62页 |
| 4.7 多元回归算法模型 | 第62页 |
| 4.8 仿真结果与分析 | 第62-67页 |
| 4.8.1 预测误差分析 | 第62-63页 |
| 4.8.2 预测模型仿真结果 | 第63-67页 |
| 4.9 本章小结 | 第67-69页 |
| 第5章 2D区间光伏出力预测模型 | 第69-79页 |
| 5.1 引言 | 第69页 |
| 5.2 2D区间出力特性的关联数据 | 第69-71页 |
| 5.3 2D区间预测方法 | 第71-73页 |
| 5.3.1 基础方法实现 2D区间预测 | 第71-72页 |
| 5.3.2 基于支持向量机的 2D区间预测 | 第72-73页 |
| 5.4 仿真结果与分析 | 第73-77页 |
| 5.5 本章小结 | 第77-79页 |
| 第6章 结论与展望 | 第79-81页 |
| 6.1 结论 | 第79页 |
| 6.2 创新点 | 第79-80页 |
| 6.3 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 攻读学位期间参加的科研项目和成果 | 第87页 |