声明
致谢
摘要
1 绪论
1.1 研究背景及意义
1.2 光伏发电发展趋势
1.3 光伏发电短期预测研究现状
1.3.1 间接预测方法
1.3.2 直接预测方法
1.4 本文主要工作
2 深度学习算法概述
2.1 预测模型数学方法介绍
2.1.1 多层感知器(Multi-layer Perceptron,MLP)
2.1.2 递归神经网络(RNN)
2.1.3 Long Short-Term Memory(LSTM)
2.1.4 双向长短期记忆(Bidirectional LSTM,BiLSTM)
2.2 Dropout机制
2.3 激活函数
2.3.1 Linear激活函数
2.3.2 Sigmoid激活函数
2.3.3 Tanh激活函数
2.3.4 ReLU激活函数
2.4 误差评估指标
2.5 本章小结
3 光伏发电预测数据集的建立
3.1 原始数据介绍
3.2 数据预处理
3.3 数据集的构建
3.4 本章小结
4 太阳能光伏发电功率点预测方法
4.1 模型结构
4.1.1 模型输入层
4.1.2 模型隐含层
4.1.3 模型输出层
4.1.4 实验结果
4.2 模型容量
4.2.1 LSTM层容量变化
4.2.2 FC层容量变化
4.3 Dropout机制
4.4 激活函数
4.5 不同深度学习方法对比
4.6 天气特征的选取
4.6.1 单维特征实验结果
4.6.2 多维特征实验结果
4.7 点预测模型实验结果
4.8 本章小结
5 太阳能光伏发电功率区间预测方法
5.1 评价指标
5.1.1 区间覆盖率
5.1.2 平均宽度百分比
5.1.3 累计误差
5.1.4 综合评价指标
5.2 算法说明
5.3 实验结果
5.4 本章小结
6 总结与展望
6.1 论文工作总结
6.2 论文工作展望
参考文献
作者简历及在学期间所取得的科研成果