光伏并网发电的最大功率点跟踪算法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·太阳能光伏发电的背景及意义 | 第8-9页 |
| ·光伏发电的现状及发展前景 | 第9-11页 |
| ·光伏发电的现状 | 第9-10页 |
| ·光伏发电的前景与展望 | 第10-11页 |
| ·光伏阵列最大功率点跟踪控制研究现状 | 第11页 |
| ·本课题的意义及所作的工作 | 第11-13页 |
| 2 光伏电池及最大功率点跟踪算法研究 | 第13-20页 |
| ·光伏电池特性 | 第13-15页 |
| ·光伏电池工作原理 | 第13-14页 |
| ·光伏阵列输出特性 | 第14-15页 |
| ·最大功率点跟踪控制算法对比 | 第15-19页 |
| ·基于扰动自寻优的控制算法 | 第15-17页 |
| ·基于优化模型的控制算法 | 第17-18页 |
| ·基于智能的处理算法 | 第18-19页 |
| ·小结 | 第19-20页 |
| 3 RBF 神经网络及PSO 算法研究 | 第20-31页 |
| ·RBF 神经网络原理 | 第20-26页 |
| ·RBF 神经网络的结构 | 第20-22页 |
| ·RBF 神经网络分类 | 第22页 |
| ·神经网络的泛化能力 | 第22-23页 |
| ·RBF 神经网络的学习算法 | 第23-26页 |
| ·RBF 神经网络存在的问题 | 第26页 |
| ·标准粒子群算法 | 第26-30页 |
| ·算法原理 | 第26-28页 |
| ·粒子群算法收敛性证明 | 第28-30页 |
| ·小结 | 第30-31页 |
| 4 HPSO-RBF 神经网络跟踪最大功率点 | 第31-44页 |
| ·粒子群算法的改进分析 | 第31-32页 |
| ·HPSO 算法 | 第32-35页 |
| ·算法描述 | 第32-34页 |
| ·数值仿真实验 | 第34-35页 |
| ·HPSO 优化RBF 神经网络方法 | 第35-41页 |
| ·最近邻聚类算法 | 第35-36页 |
| ·RBF 神经网络隐层基函数宽度的确定 | 第36-37页 |
| ·HPSO 优化RBF 神经网络过程 | 第37-38页 |
| ·数值仿真实验 | 第38-41页 |
| ·HPSO-RBF 神经网络跟踪最大功率点 | 第41-43页 |
| ·小结 | 第43-44页 |
| 5 HPSO-RBF 在光伏并网系统中的应用仿真 | 第44-57页 |
| ·并网光伏系统设计 | 第44-49页 |
| ·PWM 整流的坐标变换 | 第45-46页 |
| ·系统控制原理 | 第46-48页 |
| ·系统控制的数学模型 | 第48-49页 |
| ·系统建模及仿真 | 第49-56页 |
| ·光伏阵列建模 | 第49-54页 |
| ·光伏并网系统仿真 | 第54-56页 |
| ·小结 | 第56-57页 |
| 6 结论与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
