| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 光伏功率预测及其相关理论的发展概况 | 第10-15页 |
| 1.2.1 光伏功率预测方法分类 | 第10-11页 |
| 1.2.2 国内外光伏功率预测方法发展 | 第11-13页 |
| 1.2.3 光伏功率预测系统实现及应用 | 第13-15页 |
| 1.2.4 数值天气预报技术 | 第15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 文章结构 | 第16-18页 |
| 第2章 光伏电站出力特性分析 | 第18-31页 |
| 2.1 典型日光伏电站出力 | 第18-20页 |
| 2.2 光伏电站出力影响因素分析 | 第20-22页 |
| 2.2.1 影响光伏电站出力的内部因素 | 第20-21页 |
| 2.2.2 影响光伏电站出力的外部因素 | 第21-22页 |
| 2.3 气象因素与光伏出力的相关性分析 | 第22-24页 |
| 2.4 太阳辐射的波动特性分析 | 第24-30页 |
| 2.4.1 不同时间尺度太阳能资源变化特征规律分析 | 第24-26页 |
| 2.4.2 太阳辐射波动特性分析方法 | 第26-28页 |
| 2.4.3 算例分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 神经网络原理 | 第31-37页 |
| 3.1 BP神经网络的基本结构 | 第31-33页 |
| 3.2 BP网络的学习算法 | 第33-35页 |
| 3.3 BP网络的训练 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于BP神经网络的光伏功率预测模型 | 第37-43页 |
| 4.1 基于理论太阳辐照度的时间序列去趋势化 | 第37-39页 |
| 4.2 BP神经网络预测模型的建立 | 第39-40页 |
| 4.2.1 模型初始化 | 第39-40页 |
| 4.2.2 模型训练 | 第40页 |
| 4.3 模型的验证输出 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 基于小波分解和BP神经网络的光伏功率预测模型 | 第43-52页 |
| 5.1 小波分解 | 第43-44页 |
| 5.2 光伏电站出力的小波分解 | 第44-46页 |
| 5.3 基于小波分解的BP神经网络优化 | 第46-48页 |
| 5.3.1 信号的小波分解 | 第46-48页 |
| 5.3.2 神经网络模型的搭建 | 第48页 |
| 5.3.3 输出信号的重构 | 第48页 |
| 5.4 模型的验证输出 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-55页 |
| 6.1 结态 | 第52页 |
| 6.2 展望 | 第52-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |