| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景及意义 | 第10-13页 |
| 1.1.1 课题研究的背景 | 第10-12页 |
| 1.1.2 课题研究的意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 光伏出力预测的国内外研究现状 | 第13页 |
| 1.2.2 光伏出力预测的常用方法 | 第13-16页 |
| 1.2.2.1 物理预测方法 | 第13-14页 |
| 1.2.2.2 统计预测方法 | 第14-16页 |
| 1.3 光伏出力超短期预测存在的问题 | 第16-17页 |
| 1.4 本文主要工作 | 第17-19页 |
| 第2章 光伏出力影响因素与数据挖掘 | 第19-34页 |
| 2.1 微网中光伏发电系统介绍 | 第19-20页 |
| 2.2 光伏出力影响因素分析 | 第20-26页 |
| 2.2.1 光伏电站技术参数 | 第21-22页 |
| 2.2.2 太阳辐射强度的影响 | 第22-23页 |
| 2.2.3 天气类型和季节类型的影响 | 第23-24页 |
| 2.2.4 温度的影响 | 第24-25页 |
| 2.2.5 相对湿度的影响 | 第25-26页 |
| 2.2.6 风速的影响 | 第26页 |
| 2.3 光伏出力数据挖掘与相似时段选择 | 第26-33页 |
| 2.3.1 样本数据挖掘 | 第26-29页 |
| 2.3.2 相似时段选择 | 第29-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 支持向量机和改进粒子群优化 | 第34-49页 |
| 3.1 支持向量机的理论概述 | 第34-37页 |
| 3.1.1 结构风险最小化原则 | 第34-35页 |
| 3.1.2 支持向量机的基本理论 | 第35-37页 |
| 3.2 支持向量机回归原理 | 第37-42页 |
| 3.2.1 线性情况 | 第38-40页 |
| 3.2.2 非线性情况 | 第40-42页 |
| 3.3 最小二乘支持向量机理论 | 第42-43页 |
| 3.4 粒子群参数优化的理论概述 | 第43-48页 |
| 3.4.1 粒子群优化算法基本原理 | 第43-44页 |
| 3.4.2 标准粒子群优化算法数学描述 | 第44-45页 |
| 3.4.3 改进粒子群优化理论 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于相似时段和最小二乘支持向量机的光伏出力超短期预测 | 第49-63页 |
| 4.1 数据的预处理 | 第49-51页 |
| 4.2 核函数和模型参数的确定 | 第51-53页 |
| 4.2.1 核函数的确定 | 第51页 |
| 4.2.2 模型参数的确定 | 第51-53页 |
| 4.3 基于改进PSO和LS-SVM的光伏出力超短期预测模型建立 | 第53-56页 |
| 4.3.1 光伏出力预测的具体步骤及流程 | 第53-54页 |
| 4.3.2 预测模型输入输出变量 | 第54-55页 |
| 4.3.3 误差评价指标 | 第55-56页 |
| 4.4 基于改进PSO和LS-SVM的光伏出力超短期预测实例 | 第56-62页 |
| 4.4.1 春季多云天气样本预测及分析 | 第57-58页 |
| 4.4.2 夏季阴天样本预测及分析 | 第58-59页 |
| 4.4.3 秋季小雨天气样本预测及分析 | 第59-60页 |
| 4.4.4 冬季晴间多云天气样本预测及分析 | 第60-62页 |
| 4.4.5 整体预测结果分析 | 第62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 结论与展望 | 第63-65页 |
| 5.1 结论 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文 | 第69-70页 |
| 攻读硕士学位期间参加的科研工作 | 第70-71页 |
| 致谢 | 第71页 |
