| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要工作 | 第14-16页 |
| 2 光伏出力技术与环境影响因素分析 | 第16-28页 |
| 2.1 光伏发电技术 | 第16-19页 |
| 2.1.1 光伏发电原理 | 第16页 |
| 2.1.2 光伏发电系统分类和组成 | 第16-18页 |
| 2.1.3 光伏发电系统输出功率特性 | 第18-19页 |
| 2.2 光伏出力的环境影响因素分析 | 第19-25页 |
| 2.2.1 光伏电站技术参数 | 第20页 |
| 2.2.2 光照强度的影响 | 第20-21页 |
| 2.2.3 天气类型和季节类型的影响 | 第21-23页 |
| 2.2.4 温度的影响 | 第23页 |
| 2.2.5 风速的影响 | 第23-24页 |
| 2.2.6 相对湿度的影响 | 第24-25页 |
| 2.2.7 大气压强的影响 | 第25页 |
| 2.3 相关性分析 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 基于FOA-AGA优化BP神经网络预测研究的基本理论 | 第28-46页 |
| 3.1 人工神经网络概述 | 第28-29页 |
| 3.2 BP神经网络 | 第29-34页 |
| 3.2.1 BP神经网络的结构 | 第29-30页 |
| 3.2.2 BP神经网络的算法原理 | 第30-31页 |
| 3.2.3 BP神经网络的训练 | 第31-32页 |
| 3.2.4 BP神经网络的局限性分析 | 第32-33页 |
| 3.2.5 BP神经网络的用途 | 第33-34页 |
| 3.3 遗传算法理论 | 第34-39页 |
| 3.3.1 遗传算法原理 | 第34-35页 |
| 3.3.2 基本遗传算法流程 | 第35-36页 |
| 3.3.3 基本遗传算法的不足 | 第36-37页 |
| 3.3.4 自适应遗传算法理论 | 第37-38页 |
| 3.3.5 遗传算法与BP神经网络融合理论 | 第38-39页 |
| 3.4 果蝇算法理论 | 第39-44页 |
| 3.4.1 果蝇算法原理 | 第39-40页 |
| 3.4.2 果蝇算法的寻优步骤 | 第40-41页 |
| 3.4.3 果蝇算法的优缺点及改进 | 第41-43页 |
| 3.4.4 果蝇算法的应用概述 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 4 基于FOA-AGA优化BP神经网络预测模型的建立 | 第46-62页 |
| 4.1 总体设计思想 | 第46页 |
| 4.2 传统BP神经网络模型的设计 | 第46-50页 |
| 4.2.1 输入层和输出层的设计 | 第47页 |
| 4.2.2 隐含层的设计 | 第47-50页 |
| 4.2.3 预测模型结构的确定 | 第50页 |
| 4.3 基于改进的果蝇算法优化神经网络 | 第50-53页 |
| 4.3.1 果蝇算法的改进 | 第50-51页 |
| 4.3.2 基于连接结构的等长编码 | 第51-53页 |
| 4.3.3 SFOA优化神经网络 | 第53页 |
| 4.4 自适应遗传优化算法的设计 | 第53-58页 |
| 4.4.1 编码问题 | 第53-55页 |
| 4.4.2 遗传操作 | 第55-58页 |
| 4.5 预测步骤及流程 | 第58-59页 |
| 4.6 本章小结 | 第59-62页 |
| 5 光伏出力预测仿真分析 | 第62-70页 |
| 5.1 数据处理 | 第62-64页 |
| 5.1.1 数据预处理 | 第62-63页 |
| 5.1.2 异常数据处理 | 第63-64页 |
| 5.2 误差衡量指标 | 第64页 |
| 5.3 仿真分析 | 第64-67页 |
| 5.4 模型评估 | 第67-68页 |
| 5.5 本章小结 | 第68-70页 |
| 6 结论与展望 | 第70-72页 |
| 6.1 结论 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78页 |