| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 光伏发电系统 | 第11-12页 |
| 1.2.2 光伏系统故障诊断方法 | 第12-14页 |
| 1.2.2.1 基于规则方法 | 第12-13页 |
| 1.2.2.2 无规则方法 | 第13-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 光伏发电系统及故障机理分类 | 第16-20页 |
| 2.1 引言 | 第16页 |
| 2.2 光伏发电系统类型 | 第16-17页 |
| 2.2.1 并网光伏发电系统 | 第16-17页 |
| 2.2.2 独立光伏发电系统 | 第17页 |
| 2.3 光伏发电系统故障机理分类 | 第17-19页 |
| 2.3.1 永久性故障 | 第17-19页 |
| 2.3.1.1 光伏电池组件故障 | 第17-18页 |
| 2.3.1.2 逆变器故障 | 第18页 |
| 2.3.1.3 蓄电池组故障 | 第18-19页 |
| 2.3.2 暂时性故障 | 第19页 |
| 2.3.2.1 固定遮挡 | 第19页 |
| 2.3.2.2 动态遮挡 | 第19页 |
| 2.4 小结 | 第19-20页 |
| 第3章 面向光伏发电系统的故障诊断策略 | 第20-26页 |
| 3.1 引言 | 第20页 |
| 3.2 数理基础 | 第20-22页 |
| 3.2.1 集合映射基本知识 | 第20-21页 |
| 3.2.2 一般性故障诊断理论 | 第21-22页 |
| 3.3 光伏故障诊断陈述 | 第22-24页 |
| 3.4 光伏故障诊断策略 | 第24-25页 |
| 3.5 小结 | 第25-26页 |
| 第4章 基于神经网络的光伏发电系统故障诊断方法 | 第26-37页 |
| 4.1 引言 | 第26页 |
| 4.2 神经网络简介 | 第26-30页 |
| 4.2.1 BP神经网络(BPNN)原理与算法 | 第27-28页 |
| 4.2.2 Elman神经网络(ENN)原理与算法 | 第28-30页 |
| 4.3 神经网络故障诊断方法具体流程 | 第30-36页 |
| 4.3.1 故障诊断方法优化策略 | 第31页 |
| 4.3.2 基于BPNN的故障诊断方法流程 | 第31-34页 |
| 4.3.3 基于ENN的故障诊断方法流程 | 第34-36页 |
| 4.4 小结 | 第36-37页 |
| 第5章 实验验证 | 第37-57页 |
| 5.1 引言 | 第37页 |
| 5.2 实验设备 | 第37-38页 |
| 5.3 故障类型设置 | 第38-39页 |
| 5.4 可控环境实验 | 第39-50页 |
| 5.4.1 实验环境搭建 | 第39页 |
| 5.4.2 实验数据采集 | 第39-42页 |
| 5.4.3 诊断信号类型筛选 | 第42-43页 |
| 5.4.4 诊断模型与训练结果 | 第43-45页 |
| 5.4.5 实验结果与讨论 | 第45-50页 |
| 5.5 户外环境实验 | 第50-56页 |
| 5.5.1 实验环境搭建 | 第50-51页 |
| 5.5.2 实验数据采集 | 第51-53页 |
| 5.5.3 模型训练结果 | 第53-54页 |
| 5.5.4 实验结果与讨论 | 第54-56页 |
| 5.6 小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |