| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 光伏功率预测国内外研究现状 | 第10-12页 |
| 1.2.2 组合预测的概念 | 第12页 |
| 1.2.3 国内外组合预测研究现状 | 第12-14页 |
| 1.3 本课题的主要研究内容 | 第14-15页 |
| 第2章 基于相关系数的组合预测方法 | 第15-25页 |
| 2.1 组合预测的常用方法 | 第15-16页 |
| 2.2 单一功率预测方法 | 第16-17页 |
| 2.3 基于相关系数的组合预测方法 | 第17-19页 |
| 2.3.1 相关系数的概念 | 第18页 |
| 2.3.2 相关系数在光伏功率组合预测中的应用 | 第18-19页 |
| 2.4 建模仿真 | 第19-24页 |
| 2.4.1 三种单一模型预测仿真分析 | 第19-21页 |
| 2.4.2 基于相关系数的组合预测模型分析 | 第21-23页 |
| 2.4.3 单一预测模型与基于相关系数组合预测模型对比 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于误差分布的分段组合预测方法 | 第25-36页 |
| 3.1 分段统计 | 第25页 |
| 3.2 功率预测的误差分析 | 第25-27页 |
| 3.3 粒子群寻优求权重 | 第27-29页 |
| 3.4 建模仿真 | 第29-32页 |
| 3.5 组合预测对比分析 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于聚类方法的非线性组合预测模型 | 第36-46页 |
| 4.1 聚类分析 | 第36-40页 |
| 4.1.1 k_means聚类 | 第36-37页 |
| 4.1.2 SOM聚类方法 | 第37-39页 |
| 4.1.3 基于时间均分法 | 第39-40页 |
| 4.2 基于神经网络的非线性组合预测 | 第40-41页 |
| 4.2.1 神经网络特点 | 第40页 |
| 4.2.2 BP神经网络 | 第40-41页 |
| 4.2.3 基于BP神经网络的非线性组合预测 | 第41页 |
| 4.3 建模仿真 | 第41-45页 |
| 4.3.1 晴工况下预测对比 | 第42-43页 |
| 4.3.2 晴有时多云工况下预测对比 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 结论与展望 | 第46-47页 |
| 5.1 结论 | 第46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士期间发表的论文及其他成果 | 第50-51页 |
| 致谢 | 第51页 |