微电网下信任模型的研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 课题研究的背景 | 第9-10页 |
| 1.1.2 传统电网的局限性 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 光伏发电预测的研究现状 | 第11页 |
| 1.2.2 微电网配电调度的研究现状 | 第11-12页 |
| 1.3 论文主要内容及组织结构 | 第12-15页 |
| 1.3.1 研究思路 | 第12-13页 |
| 1.3.2 具体内容 | 第13-15页 |
| 第二章 智能电网、微电网及光伏发电概述 | 第15-26页 |
| 2.1 智能电网概述 | 第15-18页 |
| 2.1.1 智能电网的概念及体系结构 | 第15-16页 |
| 2.1.2 智能电网的特征 | 第16-18页 |
| 2.2 微电网概述 | 第18-22页 |
| 2.2.1 微电网的概念 | 第18-19页 |
| 2.2.2 微电网的能量管理 | 第19-22页 |
| 2.3 光伏发电概述 | 第22-26页 |
| 2.3.1 光伏发电的原理及影响因素 | 第22-23页 |
| 2.3.2 光伏发电的并网功率调节 | 第23-26页 |
| 第三章 基于机器学习的光伏超短期出力预测 | 第26-42页 |
| 3.1 光伏自适应预测模型的原理 | 第26-27页 |
| 3.2 预测方法的自适应选择 | 第27-35页 |
| 3.2.1 光伏出力曲线的小波分解 | 第27-29页 |
| 3.2.2 光伏出力曲线的特征分析 | 第29-31页 |
| 3.2.3 支持向量机分类器 | 第31-35页 |
| 3.3 ARMA和BP-NN预测方法 | 第35-40页 |
| 3.3.1 ARMA预测方法 | 第35-37页 |
| 3.3.2 BP-NN预测方法 | 第37-40页 |
| 3.4 仿真结果及分析 | 第40-42页 |
| 第四章 基于信任模型的微电网调度 | 第42-56页 |
| 4.1 微电网模型的改进 | 第42-45页 |
| 4.1.1 传统微电网结构存在的问题 | 第42-44页 |
| 4.1.2 微电网结构的改造 | 第44-45页 |
| 4.2 信任模型的建立 | 第45-49页 |
| 4.2.1 信任模型概述 | 第46页 |
| 4.2.2 信任模型的计算 | 第46-49页 |
| 4.3 微电网的配电调度 | 第49-53页 |
| 4.3.1 基于0-1背包的切换管理 | 第49-50页 |
| 4.3.2 基于功率因数的实时调控 | 第50-53页 |
| 4.4 仿真结果及分析 | 第53-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56-57页 |
| 5.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 作者攻读硕士学位期间发表的学术论文 | 第65页 |
