基于雾霾参数数据挖掘的光伏并网发电功率预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 光伏发电功率预测课题研究现状及待解决问题 | 第12-15页 |
| 1.3.1 预测模型输入变量的选取与约减 | 第12-13页 |
| 1.3.2 光伏发电功率预测方法分类 | 第13页 |
| 1.3.3 光伏发电功率预测研究现状 | 第13-15页 |
| 1.4 本文的研究方法 | 第15-17页 |
| 第2章 光伏发电预测的理论基础 | 第17-29页 |
| 2.1 光伏电池的简单介绍 | 第17-24页 |
| 2.1.1 基本工作原理 | 第17页 |
| 2.1.2 光伏电池的种类 | 第17-18页 |
| 2.1.3 光伏电池的物理数学模型 | 第18-21页 |
| 2.1.4 光伏电池的I-V特性曲线 | 第21-24页 |
| 2.2 光伏发电系统的简要介绍 | 第24-28页 |
| 2.2.1 光伏发电系统的组成 | 第24-25页 |
| 2.2.2 光伏发电系统的分类 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 光伏发电预测模型的输入变量组合选取 | 第29-37页 |
| 3.1 光伏发电阵列环境影响因子分析 | 第29-30页 |
| 3.1.1 辐照度 | 第29页 |
| 3.1.2 背板温度 | 第29页 |
| 3.1.3 环境温度 | 第29页 |
| 3.1.4 湿度 | 第29-30页 |
| 3.1.5 风速 | 第30页 |
| 3.1.6 AQI | 第30页 |
| 3.1.7 PM2.5 | 第30页 |
| 3.2 数据挖掘技术简介 | 第30-32页 |
| 3.2.1 数据挖掘概述 | 第30-31页 |
| 3.2.2 数据挖掘中的模式 | 第31-32页 |
| 3.3 逐步选择法 | 第32-34页 |
| 3.3.1 逐步选择法的基本原理 | 第32-33页 |
| 3.3.2 逐步选择法流程 | 第33-34页 |
| 3.4 基于逐步选择的预测模型原始输入变量约减 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 光伏阵列发电功率预测模型设计 | 第37-51页 |
| 4.1 预测模型的总体架构及工作流程 | 第37页 |
| 4.2 不同天气类型下的光伏发电功率情况 | 第37-38页 |
| 4.3 聚类分析的基本概念 | 第38-39页 |
| 4.3.1 聚类分析的基本概念 | 第38-39页 |
| 4.4 基于高斯混合模型的天气类型聚类 | 第39-41页 |
| 4.4.1 高斯混合模型聚类的基本原理 | 第39页 |
| 4.4.2 GMM聚类的过程 | 第39-40页 |
| 4.4.3 GMM聚类结果 | 第40-41页 |
| 4.5 RBF神经网络预测模型 | 第41-44页 |
| 4.5.1 RBF神经网络的网络结构 | 第41-43页 |
| 4.5.2 RBF预测模型结构 | 第43-44页 |
| 4.6 基于模糊数学的方法选择模型 | 第44-48页 |
| 4.6.2 模糊规则的基本原理 | 第45-46页 |
| 4.6.3 模糊推理选择子模型 | 第46-48页 |
| 4.7 本章小结 | 第48-51页 |
| 第5章 光伏阵列功率预测监控系统的硬件实现 | 第51-65页 |
| 5.1 监控系统总体结构设计 | 第51-52页 |
| 5.2 数据采集测量模块的实现 | 第52-60页 |
| 5.2.1 电压、电流采集模块 | 第52-55页 |
| 5.2.2 背板和环境温度采集模块 | 第55-57页 |
| 5.2.3 太阳辐照度采集模块 | 第57-60页 |
| 5.3 多机通信模块 | 第60-63页 |
| 5.3.1 RS-485总线结构 | 第60-61页 |
| 5.3.2 微控制器MSP430的异步串行通信 | 第61-62页 |
| 5.3.3 TTL转485模块 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第6章 预测结果与分析 | 第65-69页 |
| 6.1 预测结果简介 | 第65页 |
| 6.2 结果误差的分析方法 | 第65页 |
| 6.3 预测结果误差比较 | 第65-68页 |
| 6.4 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 发表论文和参加科研情况说明 | 第77-79页 |
| 致谢 | 第79页 |
