文 献 综 述
1.选题背景及意义
进入21世纪以来机械化自动化程度加速发展，人们对于能源的需求量不断增大。特别是化石燃料的大量利用使得人类社会与自然界的平衡不断遭到破坏，导致人类自身的生存环境不断恶化。而近年来，科技水平不断进步，人们生活水平不断提高，用电需求量快速增长。太阳能作为一种清洁能源具有很广的应用前景，光伏发电是利用太阳能最重要的形式之一。2017年光伏发电市场规模快速扩大，新增装机53.06GW，增速高达53.62%，与其他的可再生能源相比遥遥领先[1]。
光伏发电相比于传统能源或者其他新能源有一定优势，第一从人类现有知识来看，太阳能取之不尽用之不竭，不像传统能源，如煤炭，石油等需要几十亿年才能形成[2]，其次太阳能是一种清洁且安全的能源，获取方便。但是光伏发电也有一定的局限性，其相较于火力发电等常规发电方式成本高；其发电功率受季节，天气，温度，风速，湿度等多种因素影响，发电量波动大不稳定[3]。
2.机器学习在光伏发电中的主要应用
目前人工智能技术快速发展为光伏发电系统的优化和发展提供了新的契机。机器学习的相关方法也已广泛地应用到处理光伏发电数据中来，例如将支持向量机与人工神经网络等方法结合来设计算法追踪光伏阵列的最大功率点[4]；运用粒子群优化法，BP神经网络法等智能方法设计算法来估计配电网的状态[5]；运用决策树等智能检测算法来进行光伏阵列故障诊断[6]等应用。而近年来大量光伏发电系统并网，准确预测光伏系统发电功率从而预测配电网负荷的重要性随之显著提高。国内外专家学者针对此课题倾注了大量的时间和精力[7]，本课题将主要针对预测方面进行研究。
3.人工智能方法应用于预测的意义
由于太阳能的巨大使用价值，光伏发电作为目前利用太阳能最主要的方式具有很大的应用前景。而光伏发电受自然地理条件影响很大，通常在10：00~15：00才能达到理想的功率，这也与城市的用电规律具有较好的一致性[8]。如果可以做到较为准确的预测光伏发电系统的功率，就可以实现有效地调峰作用和与其他发电方式形成互补。
国内外学者对预测光伏系统功率的研究有很高的重视程度。近年来人工智能类方法的发展为预测光伏系统功率提供了新的技术手段。人工智能方法相比传统方法更智能，更高效，具有自主学习能力和适应能力，在预测方面应用十分广泛[9]。
4.基于机器学习的人工智能类预测方法
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
