| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文工作 | 第12-13页 |
| 1.4 章节安排 | 第13-15页 |
| 第2章 智能水滴算法及其改进 | 第15-24页 |
| 2.1 智能水滴算法优化思想 | 第15-16页 |
| 2.2 智能水滴算法的数学模型 | 第16-17页 |
| 2.3 智能水滴算法的流程 | 第17-18页 |
| 2.4 智能水滴算法的不足 | 第18-19页 |
| 2.5 智能水滴算法的改进 | 第19-20页 |
| 2.6 改进智能水滴算法的仿真测试 | 第20-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 智能水滴算法优化神经网络 | 第24-32页 |
| 3.1 人工神经元 | 第24-25页 |
| 3.1.1 人工神经元模型 | 第24-25页 |
| 3.1.2 神经元激活函数 | 第25页 |
| 3.2 BP神经网络 | 第25-29页 |
| 3.2.1 BP神经网络结构 | 第26页 |
| 3.2.2 BP学习算法 | 第26-28页 |
| 3.2.3 BP算法计算流程 | 第28-29页 |
| 3.2.4 BP神经网络的优缺点分析 | 第29页 |
| 3.3 ELMAN神经网络 | 第29-30页 |
| 3.4 智能水滴算法优化ELMAN神经网络的思路 | 第30-31页 |
| 3.5 优化算法的描述 | 第31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于IWD-ELMANNN的光伏电站输出功率预测 | 第32-41页 |
| 4.1 光伏发电功率的影响因子分析 | 第32-34页 |
| 4.2 基于IWD-ELMANNN的光伏电站输出功率预测模型 | 第34-36页 |
| 4.2.1 按天气类型建立预测子模型 | 第34页 |
| 4.2.2 模型的预测流程 | 第34-35页 |
| 4.2.3 模型的参数设定 | 第35-36页 |
| 4.3 预测实例 | 第36-38页 |
| 4.3.1 实验数据搜集 | 第36-37页 |
| 4.3.2 实验评价指标 | 第37页 |
| 4.3.3 实验结果 | 第37-38页 |
| 4.4 结果分析 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 总结与展望 | 第41-43页 |
| 5.1 论文工作总结 | 第41-42页 |
| 5.2 下一步的工作 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第46-47页 |
| 致谢 | 第47页 |