| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.1.1 光伏发电关键技术 | 第9-10页 |
| 1.1.2 孤岛效应的定义 | 第10-11页 |
| 1.1.3 孤岛效应的危害 | 第11页 |
| 1.2 光伏孤岛检测概况 | 第11-13页 |
| 1.2.1 光伏孤岛检测国内外研究现状 | 第11-12页 |
| 1.2.2 光伏孤岛检测研究难点 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第二章 光伏孤岛检测模型及原理 | 第15-21页 |
| 2.1 单相光伏并网系统结构 | 第15-17页 |
| 2.2 单相光伏并网孤岛检测模型 | 第17-18页 |
| 2.2.1 孤岛检测的物理模型 | 第17页 |
| 2.2.2 孤岛检测的数学模型 | 第17-18页 |
| 2.3 国内外孤岛检测标准 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 滑模频率偏移法和过/频被动法结合的混合孤岛检测方法 | 第21-31页 |
| 3.1 混合孤岛检测法研究背景 | 第21页 |
| 3.2 被动法盲区以及主动法电能能量分析 | 第21-25页 |
| 3.2.1 过/欠频被动法检测盲区分析 | 第21-23页 |
| 3.2.2 滑模频率偏移法对电能质量的影响 | 第23-25页 |
| 3.3 SOIDM的检测原理和效果 | 第25-30页 |
| 3.3.1 SOIDM算法 | 第25-26页 |
| 3.3.2 SOIDM的检测盲区和对电能质量影响分析 | 第26-27页 |
| 3.3.3 SOIDM的仿真与结论 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于遗传算法优化BP神经网络的孤岛检测方法 | 第31-39页 |
| 4.1 基于遗传算法优化BP神经网络的混合孤岛检测方法原理 | 第31-35页 |
| 4.1.1 基于BP神经网络的孤岛检测法 | 第31-33页 |
| 4.1.2 基于遗传算法及BP神经网络的孤岛检测原理 | 第33-35页 |
| 4.2 仿真模型建立及结果分析 | 第35-38页 |
| 4.2.1 仿真模型建立 | 第35-37页 |
| 4.2.2 仿真结果分析 | 第37-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第五章 基于ICA稀疏编码算法的光伏孤岛检测 | 第39-51页 |
| 5.1 基于ICA稀疏编码算法的光伏孤岛检测原理 | 第39-41页 |
| 5.1.1 稀疏编码算法简介 | 第39-40页 |
| 5.1.2 基于ICA求取字典和稀疏系数 | 第40-41页 |
| 5.2 基于ICA稀疏编码算法的光伏孤岛检测原理概述 | 第41-44页 |
| 5.2.1 检测流程概述 | 第41-42页 |
| 5.2.2 特征量的提取及BP神经网络训练 | 第42-44页 |
| 5.3 仿真模型搭建及结果分析 | 第44-50页 |
| 5.3.1 仿真模型搭建 | 第44-46页 |
| 5.3.2 仿真结果及结果分析 | 第46-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 多种孤岛检测法对比研究 | 第51-58页 |
| 6.1 多种方法在三个方面的比较 | 第51-56页 |
| 6.1.1 检测盲区比较分析 | 第51-53页 |
| 6.1.2 对电能质量影响对比分析 | 第53-55页 |
| 6.1.3 检测速度对比分析 | 第55-56页 |
| 6.2 多种方法的选择 | 第56-57页 |
| 6.3 本章小结 | 第57-58页 |
| 第七章 全文总结与展望 | 第58-60页 |
| 7.1 全文总结 | 第58-59页 |
| 7.2 进一步工作的方向 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间发表的论文 | 第65页 |
