| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 故障诊断方法研究现状 | 第10-14页 |
| 1.2.1 逆变器的故障特征提取技术 | 第10-12页 |
| 1.2.2 逆变器的故障诊断技术 | 第12-14页 |
| 1.3 论文主要研究内容及结构安排 | 第14-16页 |
| 2 光伏逆变器故障建模分析及功率叠加特征量提取方法研究 | 第16-32页 |
| 2.1 多电平光伏逆变器拓扑分类 | 第16页 |
| 2.2 中点钳位型三电平逆变器工作原理及故障分类 | 第16-18页 |
| 2.2.1 工作原理 | 第16-17页 |
| 2.2.2 故障分类 | 第17-18页 |
| 2.3 中点钳位型三电平逆变电路仿真平台搭建及故障仿真 | 第18-25页 |
| 2.3.1 仿真平台搭建 | 第18-20页 |
| 2.3.2 故障仿真 | 第20-23页 |
| 2.3.3 典型故障和非典型故障的区分方法 | 第23-24页 |
| 2.3.4 仿真数据生成 | 第24-25页 |
| 2.4 基于功率叠加法的特征量提取方法 | 第25-30页 |
| 2.4.1 功率叠加法的机理分析 | 第25-27页 |
| 2.4.2 功率叠加法特征量提取方法 | 第27-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 基于区间编码法对三电平逆变器典型故障的故障诊断 | 第32-39页 |
| 3.1 逆变器典型故障的叠加功率波形仿真与分析 | 第32-33页 |
| 3.2 基于区间编码法对典型故障的故障诊断 | 第33-38页 |
| 3.2.1 区间编码法简介及故障诊断方法 | 第33-35页 |
| 3.2.2 典型故障的诊断结果 | 第35-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 基于PSO-BP分类器的三电平逆变器非典型故障诊断方法 | 第39-51页 |
| 4.1 BP神经网络概述 | 第39-41页 |
| 4.2 PSO粒子群算法概述 | 第41-42页 |
| 4.3 PSO-BP分类器用于三电平逆变器非典型故障的诊断 | 第42-49页 |
| 4.3.1 粒子群算法优化BP神经网络的实现 | 第42-44页 |
| 4.3.2 PSO-BP分类器与单一BP分类器的诊断对比分析 | 第44-49页 |
| 4.4 本章小结 | 第49-51页 |
| 5 基于PSO-SVM分类器的三电平逆变器非典型故障诊断方法 | 第51-62页 |
| 5.1 SVM支持向量机概述 | 第51-53页 |
| 5.2 基于PSO-SVM分类器对非典型故障的诊断 | 第53-60页 |
| 5.2.1 采用粒子群算法优化SVM支持向量机的优点 | 第53-54页 |
| 5.2.2 粒子群算法优化SVM支持向量机的实现 | 第54-55页 |
| 5.2.3 PSO-SVM分类器与单一SVM分类器的诊断对比分析 | 第55-60页 |
| 5.3 PSO-SVM分类器和PSO-BP分类器结果对比 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表论文及科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |
