| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.1.1 课题的研究背景 | 第10-11页 |
| 1.1.2 课题的研究意义 | 第11-12页 |
| 1.2 课题的研究现状 | 第12-15页 |
| 1.2.1 光伏输出功率的概率特性研究 | 第12-13页 |
| 1.2.2 光伏输出功率的预测研究 | 第13-15页 |
| 1.3 论文的主要工作 | 第15-18页 |
| 第二章 基于正交级数的光伏输出功率概率模型 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 传统的光伏概率模型 | 第18-20页 |
| 2.2.1 参数分析法 | 第18-19页 |
| 2.2.2 核密度估计法 | 第19-20页 |
| 2.3 基于正交级数的光伏概率模型 | 第20-23页 |
| 2.3.1 正交级数理论 | 第20-21页 |
| 2.3.2 光伏概率模型 | 第21-22页 |
| 2.3.3 模型的校验 | 第22-23页 |
| 2.4 算例分析 | 第23-27页 |
| 2.4.1 数据说明 | 第23-24页 |
| 2.4.2 与核密度估计模型的对比 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于层次聚类与PSO的双输出极限学习机光伏功率区间预测 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 数据处理与分类 | 第28-29页 |
| 3.2.1 初始数据的处理 | 第28页 |
| 3.2.2 层次聚类 | 第28-29页 |
| 3.3 基于双输出ELM的光伏功率模型 | 第29-35页 |
| 3.3.1 极限学习机理论 | 第29-31页 |
| 3.3.2 粒子群算法 | 第31页 |
| 3.3.3 基于PSO的双ELM模型 | 第31-35页 |
| 3.4 算例分析 | 第35-40页 |
| 3.4.1 数据说明及参数选取 | 第35页 |
| 3.4.2 模型结果分析 | 第35-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于增强学习的快速极限学习机光伏功率区间预测 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 集成学习的基本原理 | 第42-43页 |
| 4.3 基于增强学习的光伏功率模型 | 第43-45页 |
| 4.3.1 增强学习的基本原理 | 第43-44页 |
| 4.3.2 基于Adaboost的ELM光伏功率模型 | 第44-45页 |
| 4.4 算例分析 | 第45-50页 |
| 4.4.1 数据说明 | 第45页 |
| 4.4.2 模型结果分析 | 第45-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 基于在线序贯学习机的光伏功率区间预测 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 输入变量的选取 | 第52-54页 |
| 5.2.1 相关系数矩阵 | 第52-53页 |
| 5.2.2 变量的选取 | 第53-54页 |
| 5.3 基于OS-ELM的光伏功率模型 | 第54-57页 |
| 5.3.1 OS-ELM理论 | 第54-55页 |
| 5.3.2 集成OS-ELM | 第55-56页 |
| 5.3.3 基于集成OS-ELM模型的光伏功率模型 | 第56-57页 |
| 5.4 算例分析 | 第57-62页 |
| 5.4.1 数据说明 | 第57-58页 |
| 5.4.2 模型结果分析 | 第58-62页 |
| 5.5 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72页 |
