| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外发展概况 | 第9-11页 |
| 1.2.1 光伏逆变器故障诊断的国内外研究概况 | 第9-10页 |
| 1.2.2 光伏阵列故障诊断的国内外研究概况 | 第10-11页 |
| 1.3 光伏发电系统关键部件的故障诊断基本方法 | 第11-15页 |
| 1.3.1 光伏逆变器的故障诊断方法 | 第12-14页 |
| 1.3.2 光伏阵列的故障诊断方法 | 第14-15页 |
| 1.4 本文主要内容 | 第15-16页 |
| 第二章 光伏系统关键部件的工作原理及建模 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 光伏逆变器的类型选择与工作原理 | 第16-21页 |
| 2.2.1 光伏逆变器类型的选择 | 第16-19页 |
| 2.2.2 二极管箝位式三电平逆变器的工作原理与数学模型 | 第19-21页 |
| 2.3 光伏三电平逆变器的模型搭建 | 第21-23页 |
| 2.4 光伏阵列的数学模型与阴影状态下的输出特性 | 第23-27页 |
| 2.4.1 光伏电池组件的数学模型 | 第23-26页 |
| 2.4.2 局部阴影状态下的光伏电池建模 | 第26-27页 |
| 2.5 光伏阵列模型的搭建 | 第27-31页 |
| 2.5.1 光伏电池组件串联工作特性分析建模 | 第27-29页 |
| 2.5.2 光伏阵列仿真模型 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 三电平逆变器的决策树支持向量机故障诊断 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 三电平逆变器的诊断策略 | 第32-36页 |
| 3.2.1 三电平逆变器的信号选择与检测策略 | 第32-33页 |
| 3.2.2 三电平逆变器的故障分析与故障分类 | 第33-36页 |
| 3.3 基于小波多尺度分解的信号特征提取方法 | 第36-40页 |
| 3.3.1 小波多尺度分解与小波包分解 | 第36-38页 |
| 3.3.2 基于小波多尺度分解的三电平逆变器特征提取 | 第38-40页 |
| 3.4 基于决策树支持向量机的故障诊断结果分析 | 第40-47页 |
| 3.4.1 支持向量机 | 第40-42页 |
| 3.4.2 粒子群聚类算法 | 第42-45页 |
| 3.4.3 决策树生成算法 | 第45页 |
| 3.4.4 诊断结果与分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于经验模态分解和决策树相关向量机的故障诊断方法 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 基于经验模态分解的三电平逆变器特征提取方法 | 第48-53页 |
| 4.2.1 经验模态分解 | 第48-51页 |
| 4.2.2 基于经验模态分解的特征提取方法 | 第51-53页 |
| 4.3 基于决策树相关向量机的故障诊断结果与分析 | 第53-57页 |
| 4.3.1 相关向量机简述 | 第53-56页 |
| 4.3.2 诊断结果与分析 | 第56-57页 |
| 4.4 特征提取算法对比 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于改进随机森林的光伏阵列故障诊断 | 第59-72页 |
| 5.1 引言 | 第59-60页 |
| 5.2 光伏阵列的故障诊断策略与故障分类 | 第60-63页 |
| 5.2.1 光伏阵列的诊断策略 | 第60-62页 |
| 5.2.2 光伏阵列的故障分类 | 第62-63页 |
| 5.3 随机森林算法介绍及其改进 | 第63-68页 |
| 5.3.1 随机森林算法分类原理 | 第63-67页 |
| 5.3.2 随机森林的相关改进 | 第67-68页 |
| 5.4 诊断结果与分析 | 第68-71页 |
| 5.4.1 故障特征参数的选取与数据样本的形成 | 第68-69页 |
| 5.4.2 光伏阵列的故障诊断 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 主要结论与展望 | 第72-74页 |
| 主要结论 | 第72页 |
| 展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第79页 |
