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

并网型光伏电站发电功率预测方法与系统

摘要第1-8页
Abstract第8-18页
第1章 绪论第18-40页
   ·课题研究的背景及意义第18-25页
     ·课题研究的背景第18-23页
     ·课题研究的意义第23-25页
   ·光伏发电功率预测的分类第25-31页
     ·光伏发电功率预测概述第25-26页
     ·光伏发电功率预测的时间尺度第26-27页
     ·光伏发电功率预测的空间尺度第27-28页
     ·光伏发电功率预测模型的输出维数第28-29页
     ·光伏发电功率预测的实现方式第29-31页
   ·光伏发电功率预测研究现状及存在的问题第31-38页
     ·辐照度预测方法第31-35页
     ·光伏电站发电功率出力特性模型的建模方法第35-36页
     ·光伏发电功率预测模型输入变量的选取第36-37页
     ·光伏发电功率预测系统第37页
     ·光伏发电功率预测存在的问题第37-38页
   ·本文的主要研究内容第38-40页
第2章 统计学习理论与支持向量机第40-51页
   ·统计学习理论第40-43页
     ·机器学习第40-41页
     ·VC维和泛化能力的界第41-42页
     ·结构风险最小化第42-43页
   ·核函数特征空间第43-45页
     ·特征空间中的学习第43-44页
     ·常用的核函数第44-45页
   ·支持向量机第45-50页
     ·硬间隔分类器第45-48页
     ·软间隔分类器第48-50页
     ·支持向量机的特点第50页
   ·本章小结第50-51页
第3章 基于辐照度特征参数的天气状态模式识别第51-82页
   ·引言第51-52页
   ·天气状态的广义天气类型描述第52-61页
     ·地外辐照度的变化规律第52-54页
     ·地表辐照度与天气状态第54-56页
     ·天气状态的广义天气类型描述第56-61页
   ·辐照度的特征参数提取第61-72页
     ·辐照度的总体统计特征第61-65页
     ·辐照度的差异离散特征第65-69页
     ·辐照度的变化趋势特征第69-72页
   ·基于辐照度特征参数和支持向量机的天气状态模式识别模型第72-80页
     ·模型结构与参数优化第72-73页
     ·数据来源及其预处理第73-74页
     ·仿真结果与分析第74-80页
   ·本章小结第80-82页
第4章 基于天气状态模式识别的光伏电站发电功率分类预测方法第82-102页
   ·基于天气状态模式识别的光伏电站发电功率分类预测方法第82-86页
     ·历史数据分组与缺失标签恢复第82-84页
     ·基于天气状态模式识别的光伏电站发电功率分类预测方法第84-86页
   ·辐照度神经网络预测模型的改进第86-92页
     ·神经网络概述第86-87页
     ·预测模型输入空间重构第87-89页
     ·辐照度神经网络预测模型结构第89-90页
     ·仿真结果与分析第90-92页
   ·基于时间周期性和临近相似性的辐照度预测值修正方法第92-101页
     ·辐照度的时间周期性与临近相似性第92-94页
     ·发电量与广义天气类型的关系第94-95页
     ·辐照度预测值的两维变尺度修正方法第95-98页
     ·仿真结果与分析第98-101页
   ·本章小结第101-102页
第5章 影响因子相关性分析与出力特性关联数据模型第102-119页
   ·光伏发电功率影响因子相关分析第102-111页
     ·气象影响因子的回归分析第102-107页
     ·气象影响因子的通径分析第107-111页
   ·光伏电站发电功率出力特性的关联数据模型第111-114页
   ·光伏电站发电功率关联数据映射预测方法第114-115页
   ·仿真结果与分析第115-118页
   ·本章小结第118-119页
第6章 并网型光伏电站发电功率预测系统第119-132页
   ·引言第119页
   ·数据的采集和处理第119-122页
     ·系统的数据来源第119页
     ·光伏电站的静态数据第119-120页
     ·光伏电站的实测数据第120页
     ·光伏电站的历史数据第120-121页
     ·天气预报数据第121页
     ·数据的预处理第121-122页
   ·系统的架构设计第122-126页
     ·系统的总体架构第122-123页
     ·基础连接层第123-124页
     ·综合数据层第124-125页
     ·模型算法层第125-126页
   ·系统拓扑与数据交换方式第126-128页
   ·功能设置与界面展示第128-131页
   ·本章小结第131-132页
第7章 结论与展望第132-134页
   ·结论第132-133页
   ·展望第133-134页
参考文献第134-144页
攻读博士学位期间发表的论文及其它成果第144-146页
攻读博士学位期间参加的科研工作第146-147页
致谢第147-148页
作者简介第148页

论文共148页,点击 下载论文
上一篇:基于复杂系统脆性理论的电网连锁故障预警模型研究
下一篇:基于MMC-HVDC的风电场接入系统特性研究