| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 主要符号表 | 第17-18页 |
| 1 绪论 | 第18-23页 |
| 1.1 问题提出与研究意义 | 第18-19页 |
| 1.2 国内外相关研究进展 | 第19-22页 |
| 1.2.1 光伏发电产业发展现状 | 第19-21页 |
| 1.2.2 光伏发电功率预测研究现状 | 第21-22页 |
| 1.3 本文主要研究思路与内容 | 第22-23页 |
| 2 光伏发电功率影响因素分析 | 第23-32页 |
| 2.1 光伏发电的工作原理 | 第23-24页 |
| 2.2 光伏发电系统 | 第24-26页 |
| 2.3 光伏发电的出力特性 | 第26-27页 |
| 2.4 光伏发电出力的影响因素分析 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 光伏发电功率预测研究 | 第32-56页 |
| 3.1 光伏发电预测的分类 | 第32-35页 |
| 3.2 BP神经网络 | 第35-38页 |
| 3.2.1 BP神经网络算法 | 第35-37页 |
| 3.2.2 BP神经网络算法存在的问题 | 第37-38页 |
| 3.3 粒子群算法 | 第38-43页 |
| 3.3.1 传统粒子群算法 | 第38-39页 |
| 3.3.2 粒子群算法存在的主要问题 | 第39-40页 |
| 3.3.3 粒子群算法改进途径 | 第40-43页 |
| 3.3.4 改进的粒子群算法 | 第43页 |
| 3.4 改进粒子群算法的神经网络 | 第43-45页 |
| 3.4.1 粒子群算法与神经网络的结合方式 | 第43-44页 |
| 3.4.2 基于改进粒子群算法的神经网络 | 第44-45页 |
| 3.5 改进PSO-BP神经网络在光伏发电功率预测中的应用 | 第45-49页 |
| 3.5.1 实现预测模型软件介绍 | 第45-46页 |
| 3.5.2 算法的设计 | 第46-47页 |
| 3.5.3 历史数据分组 | 第47-49页 |
| 3.5.4 光伏发电预测模型 | 第49页 |
| 3.6 算例分析 | 第49-54页 |
| 3.6.1 预测结果及误差分析 | 第49-54页 |
| 3.6.2 预测评价 | 第54页 |
| 3.7 本章小结 | 第54-56页 |
| 4 光伏发电功率预测系统设计 | 第56-65页 |
| 4.1 数据的采集和处理 | 第56-59页 |
| 4.2 光伏发电功率预测系统结构设计 | 第59-62页 |
| 4.3 光伏发电功率预测系统展示 | 第62-63页 |
| 4.4 本章小结 | 第63-65页 |
| 5 结论与展望 | 第65-67页 |
| 5.1 结论 | 第65页 |
| 5.2 创新点摘要 | 第65页 |
| 5.3 展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间科研项目及科研成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75-76页 |