首页--工业技术论文--电工技术论文--发电、发电厂论文--各种发电论文--太阳能发电论文

基于组合模型的光伏功率预测系统研究

摘要第5-6页
Abstract第6页
第1章 绪论第9-12页
    1.1 课题研究的背景与意义第9页
    1.2 国内外研究现状第9-11页
    1.3 本文主要内容和结构安排第11-12页
第2章 影响光伏发电的气象因素分析第12-19页
    2.1 光伏电池发电原理第12页
    2.2 气象因素分析第12-18页
        2.2.1 基于数学模型分析第12-14页
        2.2.2 基于统计数据的分析第14-18页
    2.3 本章小结第18-19页
第3章 基于BP神经网络功率预测算法的研究第19-28页
    3.1 BP神经网络算法简介第19-21页
    3.2 BP神经网络建模研究第21-25页
        3.2.1 基于Matlab的神经网络算法建模研究第21-22页
        3.2.2 基于Matlab平台的神经网络预测算法的实现第22-25页
    3.3 预测结果分析第25-27页
        3.3.1 误差计算模型的建立第25页
        3.3.2 误差分析第25-27页
    3.4 本章小结第27-28页
第4章 基于小波分析和神经网络组合预测模型研究第28-38页
    4.1 信号的小波分析第28-29页
    4.2 光伏电站输出功率信号的小波分解第29-31页
    4.3 基于小波分解的神经网络模型的建立第31-34页
        4.3.1 输入变量分析第31-33页
        4.3.2 算法模型建立第33-34页
    4.4 误差分析第34-36页
    4.5 本章小结第36-38页
第5章 光伏功率预测系统的实现第38-57页
    5.1 系统功能分析第38-41页
        5.1.1 系统实现技术第39-41页
    5.2 查询系统功能实现第41-52页
        5.2.1 数据字典第41-44页
        5.2.2 实时数据展示实现第44-50页
        5.2.3 数据导出的实现第50页
        5.2.4 日志功能实现第50-52页
    5.3 预测系统功能实现第52-53页
        5.3.1 预测算法封装第52页
        5.3.2 定时调度的实现第52-53页
    5.4 天气预报下载系统功能实现第53-56页
        5.4.1 天气预报任务调度实现第53-55页
        5.4.2 天气预报数据获取实现第55-56页
    5.5 本章小结第56-57页
第6章 总结与展望第57-59页
    6.1 本文总结第57页
    6.2 后续工作展望第57-59页
参考文献第59-61页
攻读硕士学位期间参加的科研工作第61-62页
致谢第62页

论文共62页,点击 下载论文
上一篇:火电机组过热汽温控制影响研究
下一篇:配电自动化系统在杭州主城区电网的应用