| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景及研究的背景和意义 | 第11-14页 |
| 1.1.1 课题研究的背景 | 第11-13页 |
| 1.1.2 课题研究的意义 | 第13-14页 |
| 1.2 课题研究的发展现状及存在问题 | 第14-17页 |
| 1.2.1 课题研究的发展现状 | 第14-16页 |
| 1.2.2 课题研究存在的问题 | 第16-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 第2章 光伏电池组件温度影响因子识别 | 第18-30页 |
| 2.1 光伏电池组件温度物理分析 | 第18-23页 |
| 2.2 光伏电池组件温度气象影响因子 | 第23-26页 |
| 2.2.1 太阳辐照度 | 第23-24页 |
| 2.2.2 环境温度 | 第24-25页 |
| 2.2.3 风速 | 第25-26页 |
| 2.3 天气类型的影响 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 光伏电池组件温度与气象因素的相关分析 | 第30-42页 |
| 3.1 数学基础 | 第30-32页 |
| 3.1.1 信息熵的概念 | 第30页 |
| 3.1.2 互信息的定义 | 第30-32页 |
| 3.2 光伏电池组件温度与气象影响因子的相关分析 | 第32-41页 |
| 3.2.1 分段数的确定 | 第32-35页 |
| 3.2.2 光伏电池组件温度与气象影响因子的相关性 | 第35-39页 |
| 3.2.3 气象影响因子间的耦合程度 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 光伏电池组件温度预测 | 第42-64页 |
| 4.1 数据来源 | 第42-45页 |
| 4.2 数据处理 | 第45-49页 |
| 4.2.1 小波去噪 | 第45-46页 |
| 4.2.2 归一化 | 第46页 |
| 4.2.3 主成分分析 | 第46-49页 |
| 4.3 数学基础 | 第49-52页 |
| 4.3.1 人工神经网络(ANN) | 第49-50页 |
| 4.3.2 支持向量机(SVM) | 第50-52页 |
| 4.4 光伏电池组件温度短期预测模型 | 第52-54页 |
| 4.4.1 基于ANN的光伏电池组件温度短期预测模型 | 第52-53页 |
| 4.4.2 基于SVM的光伏电池组件温度短期预测模型 | 第53-54页 |
| 4.4.3 直接预测模型和分步预测模型对比 | 第54页 |
| 4.5 预测结果分析 | 第54-62页 |
| 4.6 本章小结 | 第62-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-72页 |
| 攻读硕士学位期间参加的科研工作 | 第72-73页 |
| 致谢 | 第73页 |
