基于ANN和时间周期性的光伏电站辐照度预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究背景及意义 | 第11-14页 |
| ·课题研究的背景 | 第11-13页 |
| ·课题研究的意义 | 第13-14页 |
| ·课题研究的发展现状及存在问题 | 第14-15页 |
| ·课题研究的发展现状 | 第14-15页 |
| ·课题研究存在的问题 | 第15页 |
| ·本文主要工作 | 第15-17页 |
| 第2章 光伏电站发电特性及影响 | 第17-27页 |
| ·太阳能光伏系统简介 | 第17-22页 |
| ·太阳能光伏系统的基本原理 | 第17-18页 |
| ·太阳能光伏系统的运行方式 | 第18-20页 |
| ·太阳能光伏系统的构成 | 第20-21页 |
| ·太阳能光伏系统的应用 | 第21-22页 |
| ·太阳能光伏系统的优缺点 | 第22页 |
| ·光伏电站发电功率的输出特性 | 第22-24页 |
| ·光伏输出特性对电力系统的影响及解决措施 | 第24-25页 |
| ·辐照度和功率的关系及预测意义 | 第25-26页 |
| ·辐照度和功率的关系 | 第25-26页 |
| ·功率预测的意义 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 辐照度的时间周期特性 | 第27-33页 |
| ·基本概念 | 第27页 |
| ·太阳能 | 第27页 |
| ·辐射和辐射量 | 第27页 |
| ·地外理论辐照度基本规律 | 第27-30页 |
| ·天文参数的计算 | 第27-29页 |
| ·地外理论辐照度 | 第29-30页 |
| ·光伏电站地表实测值 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于交叉验证的神经网络模型优化 | 第33-40页 |
| ·神经网络概述 | 第33-34页 |
| ·神经网络简介 | 第33页 |
| ·BP神经网络模型 | 第33-34页 |
| ·神经网络模型准备 | 第34-35页 |
| ·模型输入参数 | 第34-35页 |
| ·天气分类 | 第35页 |
| ·异常数据处理 | 第35页 |
| ·归一化处理 | 第35页 |
| ·BP神经网络结构设计与优化 | 第35-39页 |
| ·网络层数的确定 | 第36页 |
| ·隐层及输出层节点数 | 第36页 |
| ·传输函数 | 第36-37页 |
| ·训练函数 | 第37-38页 |
| ·其它参数设计 | 第38页 |
| ·交叉验证 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 基于不同天气类型的神经网络短期预测实现 | 第40-51页 |
| ·神经网络模型 | 第40-44页 |
| ·神经网络模型输入 | 第40-41页 |
| ·神经网络模型参数 | 第41-44页 |
| ·神经网络模型训练 | 第44-45页 |
| ·神经网络模型验证 | 第45-47页 |
| ·神经网络模型预测 | 第47-50页 |
| ·基于时间周期性的辐照度修正 | 第47-48页 |
| ·基于时间周期性的辐照度预测模型 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 结论及展望 | 第51-53页 |
| ·结论 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文 | 第56-57页 |
| 发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
