| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及问题提出 | 第10-13页 |
| 1.1.1 我国传统能源的主要问题 | 第10页 |
| 1.1.2 可再生能源的基本概况 | 第10-12页 |
| 1.1.3 提高可再生能源预测精度的意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 风力发电预测研究 | 第13-14页 |
| 1.2.2 光伏发电预测研究 | 第14-16页 |
| 1.2.3 现有研究的不足 | 第16-17页 |
| 1.3 主要研究内容及贡献 | 第17页 |
| 1.3.1 主要研究思路 | 第17页 |
| 1.3.2 主要创新点 | 第17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 预测模型算法概述 | 第19-32页 |
| 2.1 GAPSO算法 | 第19-23页 |
| 2.1.1 遗传算法 | 第19-20页 |
| 2.1.2 粒子群算法 | 第20-22页 |
| 2.1.3 遗传算法和粒子群的混合算法 | 第22-23页 |
| 2.2 BP神经网络 | 第23-31页 |
| 2.2.1 BP算法 | 第23-26页 |
| 2.2.2 BP神经网络模型 | 第26-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于改进神经网络的风速预测研究 | 第32-45页 |
| 3.1 基于CC和GA算法改进的BP神经网络 | 第32-39页 |
| 3.1.1 合作协同进化理论 | 第32-34页 |
| 3.1.2 基于单维CC和GA的改进BP神经网络 | 第34-37页 |
| 3.1.3 基于折半CC和GA的改进BP神经网络 | 第37-39页 |
| 3.2 参数选取与评价指标 | 第39-40页 |
| 3.2.1 参数的选择 | 第39-40页 |
| 3.2.2 评价指标 | 第40页 |
| 3.3 预测框架和实验步骤 | 第40-41页 |
| 3.4 风速预测实验 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于改进神经网络的光伏发电功率预测研究 | 第45-62页 |
| 4.1 基于分组策略的GA和PSO算法改进的BP神经网络 | 第45-51页 |
| 4.1.1 基于GA改进的BP神经网络 | 第45-46页 |
| 4.1.2 基于GA和PSO改进的BP神经网络 | 第46-49页 |
| 4.1.3 引入分组策略的GAPSOBP神经网络 | 第49-51页 |
| 4.2 实验1结果及分析 | 第51-57页 |
| 4.3 实验2结果及分析 | 第57-60页 |
| 4.4 两种改进神经网络模型的比较 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 作者在学期间取得的学术成果 | 第71页 |
| 参与的项目 | 第71页 |