| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 光伏发电产业的背景与意义 | 第13-14页 |
| 1.2 国内外光伏发电产业的发展现状 | 第14-16页 |
| 1.3 国内外光伏发电技术的研究现状 | 第16-18页 |
| 1.4 本课题所做的工作 | 第18-19页 |
| 第二章 太阳能光伏发电系统 | 第19-28页 |
| 2.1 光伏并网发电系统的原理 | 第19页 |
| 2.2 光伏并网发电系统的重要组成部分 | 第19-24页 |
| 2.2.1 光伏阵列 | 第20-22页 |
| 2.2.2 逆变器 | 第22-23页 |
| 2.2.3 监控子系统 | 第23-24页 |
| 2.3 光伏并网发电系统的分类 | 第24-27页 |
| 2.3.1 按系统功能分类 | 第24-25页 |
| 2.3.2 按供电方式分类 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 CAN总线与DSP通讯的监控子系统设计 | 第28-41页 |
| 3.1 监控子系统的总体设计 | 第28-31页 |
| 3.1.1 设计目标 | 第30页 |
| 3.1.2 功能模块分析 | 第30-31页 |
| 3.2 硬件系统结构 | 第31-32页 |
| 3.3 CAN总线控制模块及实现 | 第32-35页 |
| 3.3.1 CAN总线接口电路设计 | 第32-33页 |
| 3.3.2 eCAN模块初始化 | 第33页 |
| 3.3.3 软件实现 | 第33-35页 |
| 3.4 实验仿真及结果分析 | 第35-40页 |
| 3.4.1 DC_DC配置表 | 第36页 |
| 3.4.2 DC_AC配置表 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 PSO-ELM输出功率预测模型与仿真 | 第41-52页 |
| 4.1 BP神经网络算法 | 第41-44页 |
| 4.1.1 BP神经网络的结构和原理 | 第41-44页 |
| 4.1.2 BP神经网络的应用 | 第44页 |
| 4.2 粒子群优化算法 | 第44页 |
| 4.3 极限学习机算法 | 第44-45页 |
| 4.3.1 极限学习机算法 | 第44-45页 |
| 4.3.2 加权极限学习机算法 | 第45页 |
| 4.4 PSO-ELM模型对功率预测的研究 | 第45-51页 |
| 4.4.1 可行性分析 | 第45页 |
| 4.4.2 PSO-ELM输出功率预测模型 | 第45-47页 |
| 4.4.3 试验仿真 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于光伏阵列故障检测的分析与建模 | 第52-59页 |
| 5.1 光伏阵列的故障分析与研究 | 第52-55页 |
| 5.1.1 光伏阵列故障分类 | 第52-53页 |
| 5.1.2 红外图像检测法 | 第53-54页 |
| 5.1.3 基于CTCT结构的多传感器检测法 | 第54-55页 |
| 5.2 基于北斗卫星与伪卫星结合的光伏阵列故障检测模型 | 第55-58页 |
| 5.3 本章小结 | 第58-59页 |
| 总结与期望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间取得的研究成果 | 第65-67页 |
| 致谢 | 第67页 |