声明
第一章 绪论
1.1 研究背景和意义
1.2 光伏功率预测国内外研究现状
1.3 论文研究内容
1.3.1 研究内容
1.3.2 研究方案
1.3.3 技术路线
1.3.4 本文创新点
1.3.5 论文结构
第二章 光伏功率特性和影响因素分析
2.1 光伏发电的功率特性
2.1.1 光伏发电系统组成和原理
2.1.2 光伏阵列的特性分析
2.2 光伏功率预测影响因素分析
2.2.1 灰色关联分析
2.2.2 回归分析
2.3 本章小结
第三章 机器学习方法及原理介绍
3.1 灰色模型理论
3.2 机器学习方法
3.2.1 BP神经网络方法及原理
3.2.2 SVM方法及原理
3.2.3 通用向量机方法及原理
3.3粒子群优化算法
3.4本章小结
第四章 基于粒子群优化算法的混合模型短期光伏功率预测
4.1实验方案
4.2数据源与实验环境
4.2.1 数据描述
4.2.2 实验环境
4.3单一模型对光伏功率预测
4.3.1 GM对光伏功率预测
4.3.2 光伏功率预测的机器学习方法
4.3.3 机器学习方法实验分析
4.4 GM-ML混合模型对光伏功率预测
4.4.1 GM-ML对光伏功率预测实现
4.4.2 实验结果分析
4.5 PSO-GM-ML优化模型对光伏功率预测
4.5.1 PSO-GM-BP
4.5.2 PSO-GM-SVM
4.5.3 PSO-GM-GVM
4.6预测模型结果对比
4.7 本章小节
第五章 模型输入的不确定性分析
5.1 Sobol算法介绍
5.2 模型输入的不确定性分析及数值实验
5.3 本章小结
第六章 总结和展望
6.1 论文总结
6.2 展望
参考文献
在学期间的研究成果
致谢
兰州大学;