北京地区光伏系统发电功率预测的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·国内外光伏发电功率预测的研究现状 | 第11-15页 |
| ·理论研究现状 | 第11-14页 |
| ·国内工程现状 | 第14-15页 |
| ·论文研究方法与意义 | 第15-16页 |
| ·论文主要研究内容 | 第16-18页 |
| 第2章 光伏电池特性仿真分析 | 第18-25页 |
| ·光伏电池的结构 | 第18-19页 |
| ·光伏电池基本结构及工作原理 | 第18-19页 |
| ·光伏电池组件与光伏阵列 | 第19页 |
| ·光伏电池的数学模型 | 第19-22页 |
| ·光伏电池的精确模型 | 第19-20页 |
| ·工程近似模型 | 第20-22页 |
| ·光伏组件的仿真与特性分析 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 影响光伏出力的因素分析与相似日理论的应用 | 第25-34页 |
| ·光伏阵列信息 | 第25-27页 |
| ·气象因素对光伏系统输出功率的影响 | 第27-31页 |
| ·太阳辐照强度与光伏系统输出功率的关系 | 第27-28页 |
| ·温度与光伏系统输出功率的关系 | 第28页 |
| ·天气类型与光伏系统输出功率的关系 | 第28-31页 |
| ·相似日理论与应用 | 第31-33页 |
| ·相似度计算模型和相似日的确定 | 第31-32页 |
| ·实例分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于神经网络的光伏发电预测模型 | 第34-48页 |
| ·BP神经网络及其学习算法 | 第34-37页 |
| ·BP神经网络的结构 | 第34-35页 |
| ·BP算法的训练过程 | 第35-36页 |
| ·传统BP网络的改进 | 第36-37页 |
| ·基于BP神经网络的光伏发电预测模型 | 第37-40页 |
| ·输入层、输出层的设计 | 第37-38页 |
| ·隐层的设计 | 第38-39页 |
| ·样本数据的预处理 | 第39页 |
| ·网络性能的评估 | 第39-40页 |
| ·基于RBF神经网络的光伏发电预测模型 | 第40-41页 |
| ·RBF神经网络的结构与算法 | 第40-41页 |
| ·功率预测模型的设计与训练 | 第41页 |
| ·实例预测与误差分析 | 第41-47页 |
| ·在MATLAB中建立预测网络 | 第42页 |
| ·预测结果与误差分析 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 光伏发电预测在微电网运行中的应用 | 第48-60页 |
| ·并网光储微电网系统 | 第48-50页 |
| ·微电网能量管理策略 | 第50-55页 |
| ·并网光储微网的能量管理 | 第51-53页 |
| ·独立光储微网的能量管理 | 第53-55页 |
| ·实例分析 | 第55-59页 |
| ·5月27日的光伏发电预测应用 | 第56-57页 |
| ·6月18日的光伏发电预测应用 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
