并网型光伏电站发电功率预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 论文的选题背景和研究意义 | 第8-9页 |
| 1.1.1 论文的研究背景 | 第8-9页 |
| 1.1.2 论文的研究意义 | 第9页 |
| 1.2 论文国内外研究现状 | 第9-11页 |
| 1.2.1 光伏电站功率预测方法概述 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10页 |
| 1.2.3 国内研究现状 | 第10-11页 |
| 1.3 论文的主要研究内容 | 第11-14页 |
| 2 光伏发电原理及输出功率特性分析 | 第14-21页 |
| 2.1 光伏发电系统概述 | 第14-16页 |
| 2.1.1 光伏发电系统原理 | 第14-15页 |
| 2.1.2 光伏发电系统的运行方式及结构 | 第15-16页 |
| 2.2 光伏电站输出功率特性分析 | 第16-18页 |
| 2.3 影响光伏电站输出功率的因素分析 | 第18-20页 |
| 2.3.1 辐照度对光伏电站输出功率的影响 | 第18-19页 |
| 2.3.2 气温对光伏电站输出功率的影响 | 第19-20页 |
| 2.3.3 其他因素对光伏电站输出功率的影响 | 第20页 |
| 2.4 小结 | 第20-21页 |
| 3 基于SOA-SVM的光伏电站太阳辐照度预测 | 第21-33页 |
| 3.1 统计学习和支持向量机 | 第21-24页 |
| 3.1.1 统计学习理论 | 第21-22页 |
| 3.1.2 支持向量机 | 第22-24页 |
| 3.2 SOA算法 | 第24-26页 |
| 3.2.1 SOA优化算法原理 | 第24-26页 |
| 3.2.2 SOA算法的基本步骤 | 第26页 |
| 3.3 基于SOA-SVM的辐照度预测 | 第26-32页 |
| 3.3.1 预测模型的建立 | 第26-27页 |
| 3.3.2 仿真及结果分析 | 第27-32页 |
| 3.4 小结 | 第32-33页 |
| 4 基于物理-统计模型的光伏电站功率预测 | 第33-43页 |
| 4.1 基于光伏发电原理的功率数学模型 | 第33-37页 |
| 4.1.1 光伏电池组件模型 | 第33-35页 |
| 4.1.2 基于光电模型的功率预测 | 第35-37页 |
| 4.2 基于数理统计的功率预测值修正 | 第37-42页 |
| 4.2.1 相似日算法 | 第37-38页 |
| 4.2.2 基于波动特性的误差修正模型 | 第38-40页 |
| 4.2.3 修正结果及误差分析 | 第40-42页 |
| 4.3 小结 | 第42-43页 |
| 5 基于EEMD和ELM的光伏电站功率预测 | 第43-54页 |
| 5.1 历史功率时间序列分析 | 第43-46页 |
| 5.1.1 经验模态分解原理 | 第43-44页 |
| 5.1.2 EMD特性及改进 | 第44-45页 |
| 5.1.3 历史功率时间序列的EEMD分解 | 第45-46页 |
| 5.2 ELM算法 | 第46-48页 |
| 5.2.1 ELM模型 | 第46-47页 |
| 5.2.2 ELM算法步骤 | 第47-48页 |
| 5.3 基于EEMD和ELM的功率预测 | 第48-53页 |
| 5.3.1 预测模型的建立 | 第48-50页 |
| 5.3.2 仿真及结果分析 | 第50-53页 |
| 5.4 小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |
