基于PV/SOFC联供系统的负荷预测和能量管理研究
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 引言 | 第14-16页 |
| 1.1.1 能源现状及发展趋势 | 第14-15页 |
| 1.1.2 课题研究的背景及意义 | 第15-16页 |
| 1.2 PV/SOFC联供系统 | 第16-17页 |
| 1.3 负荷预测 | 第17-19页 |
| 1.3.1 负荷预测研究现状 | 第17-18页 |
| 1.3.2 负荷预测的研究意义 | 第18-19页 |
| 1.4 能量管理 | 第19-20页 |
| 1.5 本文主要研究内容及章节安排 | 第20-22页 |
| 第二章 PV/SOFC联供系统的组成结构 | 第22-28页 |
| 2.1 PV工作原理 | 第22-24页 |
| 2.2 SOFC工作原理 | 第24页 |
| 2.3 电解装置 | 第24-25页 |
| 2.4 储氢装置 | 第25-26页 |
| 2.5 功率转换装置 | 第26页 |
| 2.6 PV/SOFC联供系统结构设计 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 PV/SOFC联供系统单元建模仿真 | 第28-52页 |
| 3.1 光伏电池 | 第28-37页 |
| 3.1.1 光伏电池数学模型 | 第28-31页 |
| 3.1.2 光伏电池最大功率跟踪 | 第31-37页 |
| 3.2 固体氧化物燃料电池 | 第37-43页 |
| 3.2.1 SOFC电化学模型 | 第37-40页 |
| 3.2.2 SOFC热力学模型 | 第40-42页 |
| 3.2.3 SOFC仿真模型 | 第42-43页 |
| 3.3 电解槽 | 第43-45页 |
| 3.4 储氢罐 | 第45页 |
| 3.5 压气机 | 第45-47页 |
| 3.6 功率转换装置 | 第47-51页 |
| 3.6.1 DC/DC变换装置 | 第47-48页 |
| 3.6.2 逆变装置 | 第48-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 负荷预测方法的研究与设计 | 第52-69页 |
| 4.1 样本数据的预处理 | 第52-55页 |
| 4.2 负荷预测智能算法 | 第55-60页 |
| 4.2.1 BP神经网络算法 | 第55-56页 |
| 4.2.2 RBF神经网络算法 | 第56-59页 |
| 4.2.3 小波神经网络算法 | 第59-60页 |
| 4.3 总体预测模型 | 第60-63页 |
| 4.3.1 网络输入输出量的选取 | 第61页 |
| 4.3.2 数据的归一化处理 | 第61-62页 |
| 4.3.3 网络函数的确定 | 第62-63页 |
| 4.4 网络实现 | 第63-68页 |
| 4.4.1 BP神经网络预测模型 | 第64-67页 |
| 4.4.2 RBF神经网络预测模型 | 第67-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 PV/SOFC联供系统能量管理研究 | 第69-77页 |
| 5.1 PV/SOFC联供系统能量管理策略 | 第69-71页 |
| 5.2 联供系统中的假设和设计原则 | 第71-73页 |
| 5.2.1 系统中的假设 | 第71-72页 |
| 5.2.2 系统设计原则 | 第72-73页 |
| 5.3 PV/SOFC联供系统的实现 | 第73-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 本文主要研究成果 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 附录 | 第79-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-91页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第91-92页 |
| 学位论文评阅及答辩情况表 | 第92页 |
