| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题背景及研究的目的和意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 选题意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 光伏发电发展现状 | 第13页 |
| 1.2.2 光伏发电短期功率数据预测管理的研究现状 | 第13-15页 |
| 1.3 论文的研究内容及组织结构 | 第15-17页 |
| 第2章 光伏发电系统的特性分析 | 第17-25页 |
| 2.1 光伏发电的原理 | 第17-18页 |
| 2.2 光伏发电系统的组成 | 第18-20页 |
| 2.3 光伏发电功率特性分析 | 第20-23页 |
| 2.3.1 辐照强度对输出功率的影响 | 第21-22页 |
| 2.3.2 日类型对输出功率的影响 | 第22页 |
| 2.3.3 季节类型对输出功率的影响 | 第22-23页 |
| 2.3.4 温度对输出功率的影响 | 第23页 |
| 2.4 光伏电站的经营管理 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于LM改进BP神经网络的短期功率数据预测 | 第25-40页 |
| 3.1 神经网络的基本知识 | 第25-31页 |
| 3.1.1 BP神经网络 | 第25-29页 |
| 3.1.2 改进BP神经网络 | 第29-31页 |
| 3.2 相似日选择法 | 第31-32页 |
| 3.3 光伏电站并网发电系统输出功率短期预测管理 | 第32-38页 |
| 3.3.1 数据预测模型输入变量的筛选 | 第32-33页 |
| 3.3.2 基于改进BP神经网络模型预测光伏发电系统输出功率数据 | 第33-37页 |
| 3.3.3 数据预测结果分析 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于历史数据的区间预测管理 | 第40-50页 |
| 4.1 数据区间预测实施步骤 | 第40-41页 |
| 4.2 Bootstrap方法 | 第41-43页 |
| 4.3 基于Bootstrap方法的光伏发电系统输出功率数据区间预测管理 | 第43-48页 |
| 4.3.1 案例分析 | 第43-46页 |
| 4.3.2 评价性能及实验结果分析 | 第46-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 光伏电站并网发电功率数据预测管理系统及功率数据应用管理 | 第50-69页 |
| 5.1 预测管理系统设计 | 第50-54页 |
| 5.1.1 体系结构设计 | 第50-51页 |
| 5.1.2 系统模块设计 | 第51-52页 |
| 5.1.3 数据库设计 | 第52-54页 |
| 5.2 系统实现相关技术 | 第54-56页 |
| 5.2.1 SSH框架 | 第54页 |
| 5.2.2 JAVA调用Matlab实现的算法 | 第54-55页 |
| 5.2.3 导出Word报告 | 第55-56页 |
| 5.3 数据管理 | 第56-60页 |
| 5.3.0 导入数据 | 第56-57页 |
| 5.3.1 功率数据 | 第57-58页 |
| 5.3.2 气象数据 | 第58-60页 |
| 5.4 基于LM改进BP神经网络功率数据预测管理 | 第60-62页 |
| 5.4.1 数据预测参数设置 | 第60-61页 |
| 5.4.2 数据预测结果查看 | 第61页 |
| 5.4.3 数据误差分析 | 第61-62页 |
| 5.4.4 导出Word报告 | 第62页 |
| 5.5 基于Bootstrap方法功率区间数据预测管理 | 第62-65页 |
| 5.5.1 数据预测参数设置 | 第63-64页 |
| 5.5.2 数据预测结果查看 | 第64页 |
| 5.5.3 数据误差分析 | 第64-65页 |
| 5.5.4 导出Word报告 | 第65页 |
| 5.6 光伏电站并网运行功率管理和控制 | 第65-68页 |
| 5.6.1 有功功率管理框架 | 第66-67页 |
| 5.6.2 基于预测功率数据的电站管理控制方案 | 第67-68页 |
| 5.7 本章小结 | 第68-69页 |
| 第6章 研究成果及结论 | 第69-71页 |
| 6.1 本文工作总结 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76页 |
