| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景与现实意义 | 第9-10页 |
| 1.2 光伏最大功率点跟踪算法研究现状 | 第10-12页 |
| 1.3 光伏阵列故障诊断方法研究现状 | 第12-13页 |
| 1.4 本文研究内容与目的 | 第13-15页 |
| 2 光伏电池的建模及特性分析 | 第15-33页 |
| 2.1 光伏电池概述 | 第15-16页 |
| 2.2 光伏电池的模型及特性 | 第16-24页 |
| 2.2.1 光伏电池的模型建立 | 第16-18页 |
| 2.2.2 光伏电池性能指标 | 第18-19页 |
| 2.2.3 光伏电池性能曲线及影响因素分析 | 第19-24页 |
| 2.3 阴影情况下光伏阵列的模型及特性 | 第24-31页 |
| 2.3.1 阴影对光伏组件的影响简介 | 第25页 |
| 2.3.2 阴影情况下光伏阵列的模型建立 | 第25-27页 |
| 2.3.3 阴影情况下光伏阵列的输出特性曲线 | 第27-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 复杂条件下环境因素对光伏阵列输出特性影响的统计分析 | 第33-57页 |
| 3.1 引言 | 第33-34页 |
| 3.2 光照度对于光伏阵列输出特性的影响规律 | 第34-45页 |
| 3.2.1 局部轻度遮挡情况下光伏阵列输出特性分析 | 第36-39页 |
| 3.2.2 局部中度遮挡情况下光伏阵列输出特性分析 | 第39-42页 |
| 3.2.3 局部严重遮挡情况下光伏阵列输出特性分析 | 第42-45页 |
| 3.3 温度对于光伏阵列输出特性的影响规律 | 第45-52页 |
| 3.3.1 局部温度升高情况下光伏阵列输出特性分析 | 第47-49页 |
| 3.3.2 局部温度降低情况下光伏阵列输出特性分析 | 第49-52页 |
| 3.4 光照度及温度分布对于光伏阵列输出特性的综合影响规律 | 第52-55页 |
| 3.5 本章小结 | 第55-57页 |
| 4 基于统计信息的光伏阵列最大功率点跟踪方法研究 | 第57-85页 |
| 4.1 光伏发电最大功率点跟踪方法原理介绍 | 第57-59页 |
| 4.2 传统最大功率点跟踪方法在阴影遮挡情况下的适应性分析 | 第59-63页 |
| 4.3 多峰最大功率点跟踪算法设计需要解决的问题 | 第63-65页 |
| 4.3.1 工作点的搜索范围 | 第63-64页 |
| 4.3.2 工作点的搜索策略 | 第64-65页 |
| 4.4 基于统计信息的局部阴影遮挡下光伏最大功率点跟踪算法设计 | 第65-71页 |
| 4.4.1 基于统计信息的搜索范围划分 | 第66-67页 |
| 4.4.2 变步长扰动观察法搜索策略 | 第67-69页 |
| 4.4.3 基于移动平均原理的变量初值自适应及逆向搜索机制 | 第69-71页 |
| 4.5 局部阴影遮挡下的最大功率点跟踪算法的验证 | 第71-84页 |
| 4.5.1 光伏最大功率点跟踪起始阶段 | 第73-80页 |
| 4.5.2 光照发生变化时的情况 | 第80-84页 |
| 4.6 本章小结 | 第84-85页 |
| 5 基于功率跟踪数据的光伏阵列阴影遮挡情况诊断方法研究 | 第85-107页 |
| 5.1 在线故障诊断方法的优势分析 | 第85-86页 |
| 5.2 光伏阴影遮挡情况的在线诊断方法设计需要解决的问题 | 第86-88页 |
| 5.3 光伏阵列阴影遮挡情况在线诊断方法设计 | 第88-92页 |
| 5.3.1 基于最大功率功率跟踪算法的原始数据获取方法 | 第88-91页 |
| 5.3.2 基于主成分分析法的特征提取方法 | 第91页 |
| 5.3.3 基于支持向量机的阴影遮挡情况在线诊断 | 第91-92页 |
| 5.3.4 基于支持向量机的阴影遮挡情况在线预测 | 第92页 |
| 5.4 光伏阵列阴影遮挡情况的在线诊断方法验证 | 第92-105页 |
| 5.5 本章小结 | 第105-107页 |
| 6 总结与展望 | 第107-109页 |
| 致谢 | 第109-111页 |
| 参考文献 | 第111-115页 |
| 附录 | 第115-129页 |
