| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 前言 | 第8页 |
| 1.2 课题背景及目的与意义 | 第8-9页 |
| 1.2.1 选题背景 | 第8-9页 |
| 1.2.2 研究的目的与意义 | 第9页 |
| 1.3 研究现状 | 第9-11页 |
| 1.3.1 光伏故障监测系统研究现状 | 第9-10页 |
| 1.3.2 太阳能光伏阵列故障预测技术研究现状 | 第10页 |
| 1.3.3 粒子群算法在神经网络的应用发展 | 第10-11页 |
| 1.4 课题研究内容及创新 | 第11-12页 |
| 1.4.1 论文主要研究内容与结构 | 第11页 |
| 1.4.2 论文特色与创新 | 第11-12页 |
| 第二章 光伏电池数学模型的建立和光伏阵列故障分析 | 第12-23页 |
| 2.1 太阳能发电系统 | 第12-13页 |
| 2.2 太阳能发电原理 | 第13-15页 |
| 2.2.1 光伏电池工作原理 | 第13页 |
| 2.2.2 光伏电池数学模型建立 | 第13-15页 |
| 2.2.3 光伏阵列结构 | 第15页 |
| 2.3 搭建光伏实验台 | 第15-16页 |
| 2.4 光伏故障分析 | 第16-22页 |
| 2.4.1 典型故障原因及影响分析 | 第16-17页 |
| 2.4.2 仿真结果与分析 | 第17-21页 |
| 2.4.3 故障类型 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 改进粒子群优化BP神经网络算法分析 | 第23-38页 |
| 3.1 粒子群优化算法收敛性分析及改进 | 第23-29页 |
| 3.1.1 粒子群优化算法研究现状 | 第23页 |
| 3.1.2 粒子群算法原理 | 第23-24页 |
| 3.1.3 粒子群收敛特性分析 | 第24-27页 |
| 3.1.4 粒子群算法改进 | 第27-29页 |
| 3.2 BP神经网络 | 第29-31页 |
| 3.2.1 神经元模型 | 第29-30页 |
| 3.2.2 BP神经网络结构 | 第30-31页 |
| 3.3 BP神经网络算法改进 | 第31-35页 |
| 3.3.1 BP神经网络算法中函数选择 | 第31页 |
| 3.3.2 BP神经网络算法改进 | 第31-35页 |
| 3.3.3 改进前后BP算法训练仿真与分析 | 第35页 |
| 3.4 改进粒子群算法优化BP神经网络关键技术及仿真 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 光伏阵列故障监测系统设计 | 第38-46页 |
| 4.1 光伏故障监测系统的需求与实现 | 第38-39页 |
| 4.1.1 光伏故障监测系统的需求分析 | 第38-39页 |
| 4.1.2 光伏故障监测系统的可实现性 | 第39页 |
| 4.2 监测系统硬件总体设计 | 第39-40页 |
| 4.3 监测系统各部分模块设计 | 第40-43页 |
| 4.3.1 传感器模块设计 | 第40-41页 |
| 4.3.2 采集模块设计 | 第41-42页 |
| 4.3.3 传输模块设计 | 第42-43页 |
| 4.4 光伏阵列发电情况实验仿真与分析 | 第43-44页 |
| 4.5 光伏监测系统运行结果与分析 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 基于改进粒子群优化BP神经网络的光伏阵列故障预测 | 第46-56页 |
| 5.1 改进PSO-BP故障预测模型建立和流程 | 第46-49页 |
| 5.2 改进PSO-BP的参数设置和预测精度评估 | 第49-50页 |
| 5.3 基于改进PSO-BP的故障预测实例仿真与分析 | 第50-51页 |
| 5.4 仿真数据及结果与分析 | 第51-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 结论与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士期间发表的论文成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附录 | 第64页 |
