| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-16页 |
| 1.1.1 课题研究背景 | 第10-15页 |
| 1.1.2 课题研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.3 研究内容及章节安排 | 第19-22页 |
| 第2章 光伏发电功率预测技术 | 第22-34页 |
| 2.1 光伏发电系统 | 第22-24页 |
| 2.2 常见光伏发电功率预测方案 | 第24-32页 |
| 2.2.1 灰色理论算法模型 | 第26-27页 |
| 2.2.2 多元线性回归算法模型 | 第27页 |
| 2.2.3 最小二乘支持向量机算法模型 | 第27-29页 |
| 2.2.4 马尔科夫链算法模型 | 第29页 |
| 2.2.5 人工神经网络算法模型 | 第29-32页 |
| 2.3 评价指标 | 第32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 影响光伏发电功率的气象因素分析 | 第34-46页 |
| 3.1 单个气象因素对光伏发电功率的影响 | 第34-38页 |
| 3.1.1 太阳辐射强度对光伏发电功率的影响 | 第34-35页 |
| 3.1.2 环境温度对光伏发电功率的影响 | 第35-36页 |
| 3.1.3 风况对光伏发电功率的影响 | 第36-37页 |
| 3.1.4 湿度对光伏发电功率的影响 | 第37页 |
| 3.1.5 能见度对光伏发电功率的影响 | 第37-38页 |
| 3.2 天气类型对光伏发电功率的影响 | 第38-43页 |
| 3.3 相关性分析 | 第43-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于BP神经网络的光伏发电功率短期预测方案 | 第46-54页 |
| 4.1 问题描述 | 第46-47页 |
| 4.2 基于BP神经网络的光伏发电功率短期预测模型 | 第47-53页 |
| 4.2.1 BP神经网络 | 第47-49页 |
| 4.2.2 光伏发电功率短期预测模型 | 第49-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第5章 预测模型评价 | 第54-62页 |
| 5.1 样本选取与分类 | 第54页 |
| 5.2 预测结果及误差分析 | 第54-60页 |
| 5.2.1 A类广义天气类型预测模型预测结果及误差分析 | 第54-57页 |
| 5.2.2 B类广义天气类型预测模型预测结果及误差分析 | 第57-58页 |
| 5.2.3 C类广义天气类型预测模型预测结果及误差分析 | 第58-60页 |
| 5.3 预测评价 | 第60页 |
| 5.4 本章小结 | 第60-62页 |
| 第6章 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
