太阳能发电多维随机过程动态模型研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-19页 |
1.1 选题背景及研究意义 | 第10-12页 |
1.1.1 论文选题背景 | 第10-11页 |
1.1.2 论文研究意义 | 第11-12页 |
1.2 国内外相关研究成果 | 第12-17页 |
1.2.1 光伏发电随机过程动态研究 | 第12-13页 |
1.2.2 太阳辐射预测模型研究 | 第13-14页 |
1.2.3 光伏发电出力预测模型研究 | 第14-15页 |
1.2.4 改进神经网络光伏发电出力模型研究 | 第15-17页 |
1.3 主要研究内容 | 第17-19页 |
第2章 太阳能光伏发电过程分析 | 第19-27页 |
2.1 光伏发电系统概要 | 第19-23页 |
2.1.1 光伏发电原理 | 第19-20页 |
2.1.2 发电系统结构 | 第20-21页 |
2.1.3 发电系统分类 | 第21-23页 |
2.2 光伏发电过程特性分析 | 第23-24页 |
2.3 光伏发电过程关联因素 | 第24-26页 |
2.3.1 光伏发电内部因素 | 第24-25页 |
2.3.2 光伏发电外部因素 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第3章 隐马尔可夫理论与小波神经网络模型 | 第27-37页 |
3.1 隐马尔可夫理论 | 第27-31页 |
3.1.1 马尔可夫链 | 第27-29页 |
3.1.2 马尔可夫模型 | 第29页 |
3.1.3 隐马尔可夫理论 | 第29-31页 |
3.2 小波神经网络模型 | 第31-36页 |
3.2.1 人工神经网络理论 | 第31-34页 |
3.2.2 小波变换分析方法 | 第34-35页 |
3.2.3 小波神经网络 | 第35-36页 |
3.3 本章小结 | 第36-37页 |
第4章 考虑随机性的太阳辐射强度预测模型构建 | 第37-49页 |
4.1 太阳辐射影响因素相关性分析 | 第37-39页 |
4.2 太阳辐射量模型 | 第39-41页 |
4.2.1 晴空太阳辐射量 | 第40-41页 |
4.2.2 云遮蔽太阳辐射量 | 第41页 |
4.3 基于隐马尔可夫的太阳辐射量模型 | 第41-46页 |
4.3.1 确定预测时刻云量 | 第41-42页 |
4.3.2 构建马尔可夫模型 | 第42-44页 |
4.3.3 计算晴空削弱系数 | 第44页 |
4.3.4 构建隐马尔可夫模型 | 第44-46页 |
4.4 算例分析 | 第46-48页 |
4.5 本章小结 | 第48-49页 |
第5章 多维小波神经网络光伏出力预测模型构建 | 第49-64页 |
5.1 光伏发电出力模型分析 | 第49-51页 |
5.1.1 光伏出力等效模型 | 第49-51页 |
5.1.2 光伏出力模型变量 | 第51页 |
5.2 人工神经网络模型 | 第51-55页 |
5.2.1 BP神经网络模型 | 第51-53页 |
5.2.2 光伏出力预测过程 | 第53-55页 |
5.3 多维小波神经网络模型 | 第55-59页 |
5.3.1 Mallat小波信号分解与重构 | 第55-56页 |
5.3.2 确定小波激励函数 | 第56-57页 |
5.3.3 构建小波神经网络模型 | 第57-59页 |
5.4 算例分析 | 第59-62页 |
5.5 提升模型预测拟合优度的发电过程管理建议 | 第62-63页 |
5.6 本章小结 | 第63-64页 |
第6章 研究成果与结论 | 第64-65页 |
参考文献 | 第65-70页 |
致谢 | 第70页 |