| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第11-27页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 光伏发电应用技术 | 第13-16页 |
| 1.2.1 光伏电池种类 | 第13页 |
| 1.2.2 光伏发电系统的应用形式 | 第13-15页 |
| 1.2.3 建筑光伏系统的积灰影响与输出预测问题 | 第15-16页 |
| 1.3 国内外研究进展 | 第16-25页 |
| 1.4 研究内容 | 第25-26页 |
| 1.5 论文结构 | 第26-27页 |
| 2 积灰微观形貌、组成及形成机理分析 | 第27-35页 |
| 2.1 光伏组件表面积灰 | 第27-29页 |
| 2.1.1 积灰来源 | 第27页 |
| 2.1.2 降尘机理 | 第27-28页 |
| 2.1.3 形成过程 | 第28页 |
| 2.1.4 积灰类型 | 第28-29页 |
| 2.2 积灰实验研究 | 第29-33页 |
| 2.2.1 实验方案 | 第29-30页 |
| 2.2.2 结果分析 | 第30-33页 |
| 2.3 本章小结 | 第33-35页 |
| 3 积灰对建筑光伏组件输出特性影响研究 | 第35-53页 |
| 3.1 光伏发电原理 | 第35-40页 |
| 3.1.1 基本原理 | 第35-36页 |
| 3.1.2 光伏电池伏安特性 | 第36-38页 |
| 3.1.3 光伏系统输出功率及影响因素 | 第38-40页 |
| 3.2 光伏组件输出特性测试方法 | 第40-42页 |
| 3.2.1 可变功率电阻测试法 | 第40-41页 |
| 3.2.2 动态电容充电测试法 | 第41页 |
| 3.2.3 可变电子负载测试法 | 第41-42页 |
| 3.3 积灰建筑光伏组件输出特性实验研究 | 第42-51页 |
| 3.3.1 实验方案 | 第42-47页 |
| 3.3.2 结果分析 | 第47-51页 |
| 3.4 本章小结 | 第51-53页 |
| 4 基于红外成像的建筑光伏组件表面积灰检测与程度评价 | 第53-69页 |
| 4.1 光伏组件红外特性 | 第53-55页 |
| 4.1.1 红外成像技术 | 第53-54页 |
| 4.1.2 积灰光伏组件红外特性 | 第54-55页 |
| 4.2 积灰光伏组件红外图像处理 | 第55-63页 |
| 4.2.1 图像滤波 | 第55-57页 |
| 4.2.2 图像增强 | 第57-60页 |
| 4.2.3 图像分割 | 第60-63页 |
| 4.3 光伏组件表面积灰检测与程度评价模型 | 第63-65页 |
| 4.3.1 积灰识别检测模型 | 第63-64页 |
| 4.3.2 积灰程度评价模型 | 第64-65页 |
| 4.4 仿真实验 | 第65-67页 |
| 4.4.1 实验方案 | 第65-66页 |
| 4.4.2 结果分析 | 第66-67页 |
| 4.5 本章小结 | 第67-69页 |
| 5 建筑光伏发电系统输出功率预测模型研究 | 第69-85页 |
| 5.1 光伏输出功率衰减模型 | 第69-70页 |
| 5.2 BP神经网络预测模型 | 第70-73页 |
| 5.2.1 BP神经网络模型基本原理 | 第70-72页 |
| 5.2.2 BP神经网络预测模型的建立 | 第72-73页 |
| 5.3 支持向量回归预测模型 | 第73-75页 |
| 5.3.1 支持向量回归模型基本原理 | 第73-74页 |
| 5.3.2 SVM回归预测模型核函数选择 | 第74-75页 |
| 5.4 建筑光伏系统输出功率预测研究 | 第75-84页 |
| 5.4.1 预测模型评估指标 | 第75页 |
| 5.4.2 数据归一化处理 | 第75-76页 |
| 5.4.3 预测结果及分析 | 第76-80页 |
| 5.4.4 考虑天气类型的光伏输出功率预测分析 | 第80-84页 |
| 5.5 本章小结 | 第84-85页 |
| 6 总结与展望 | 第85-87页 |
| 6.1 总结 | 第85-86页 |
| 6.2 展望 | 第86-87页 |
| 致谢 | 第87-89页 |
| 参考文献 | 第89-99页 |
| 攻读硕士学位期间研究成果及参与科研项目 | 第99页 |