| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 光伏发电预测研究背景及意义 | 第9-10页 |
| 1.1.1 太阳能光伏发电 | 第9页 |
| 1.1.2 光伏发电功率预测的研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外光伏发电发展现状 | 第10-11页 |
| 1.2.2 国内光伏发电发展现状 | 第11-12页 |
| 1.2.3 国内外光伏发电功率预测研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-15页 |
| 第2章 光伏系统的发电特性分析 | 第15-27页 |
| 2.1 光伏电池 | 第15-16页 |
| 2.1.1 光伏电池的基本结构 | 第15页 |
| 2.1.2 光伏电池的工作原理 | 第15-16页 |
| 2.2 光伏发电系统 | 第16-22页 |
| 2.2.1 光伏发电系统的分类 | 第16-18页 |
| 2.2.2 并网光伏发电系统的组成 | 第18-19页 |
| 2.2.3 新能源实验室光伏发电系统简介 | 第19-22页 |
| 2.3 光伏并网系统发电功率特性分析 | 第22-26页 |
| 2.3.1 日类型对发电量的影响 | 第22-23页 |
| 2.3.2 辐照强度对发电量的影响 | 第23-24页 |
| 2.3.3 温度对发电量的影响 | 第24-26页 |
| 2.3.4 相对湿度对发电量的影响 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于小波神经网络的光伏发电预测模型 | 第27-38页 |
| 3.1 BP 神经网络 | 第27-31页 |
| 3.1.1 BP 网络的基本结构 | 第27-28页 |
| 3.1.2 BP 网络的学习算法 | 第28-30页 |
| 3.1.3 BP 网络的学习训练过程 | 第30-31页 |
| 3.2 小波神经网络 | 第31-33页 |
| 3.2.1 小波神经网络的结构形式 | 第31-33页 |
| 3.2.2 小波神经网络的特点 | 第33页 |
| 3.3 预测模型的设计 | 第33-37页 |
| 3.3.1 样本数据预处理 | 第34页 |
| 3.3.2 预测模型的结构 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于经验模态分解和回声状态网络的光伏发电预测模型 | 第38-50页 |
| 4.1 回声状态网络 | 第38-41页 |
| 4.1.1 回声状态网络基本结构与特征 | 第38-39页 |
| 4.1.2 回声状态网络的关键参数及选取原则 | 第39-40页 |
| 4.1.3 回声状态网络的训练 | 第40-41页 |
| 4.2 经验模态分解 | 第41-45页 |
| 4.2.1 经验模态分解与内禀模态函数 | 第41-42页 |
| 4.2.2 经验模态分的解基本原理 | 第42-44页 |
| 4.2.3 经验模态分解的特点 | 第44-45页 |
| 4.3 基于经验模态分解和回声状态网络的预测方法 | 第45-48页 |
| 4.4 预测模型的设计 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 预测模型评估与结果分析 | 第50-57页 |
| 5.1 预测模型评估 | 第50-52页 |
| 5.2 预测结果分析 | 第52-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第6章 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
| 致谢 | 第64页 |