基于粒子群算法优化BP神经网络的光伏系统最大功率点跟踪研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究背景 | 第11-12页 |
| ·光伏发电的特点与优势 | 第12页 |
| ·国内外光伏发电的现状及发展趋势 | 第12-13页 |
| ·光伏发电存在的问题 | 第13页 |
| ·光伏系统最大功率点跟踪的相关研究 | 第13-14页 |
| ·传统跟踪方法 | 第13-14页 |
| ·神经网络在最大功率点跟踪中的应用 | 第14页 |
| ·本论文的主要工作 | 第14-16页 |
| 第2章 神经网络与粒子群优化算法 | 第16-24页 |
| ·神经网络 | 第16-21页 |
| ·神经网络概述 | 第16页 |
| ·神经元的结构 | 第16-17页 |
| ·神经网络的互连模式 | 第17-18页 |
| ·反向传播神经网络 | 第18-21页 |
| ·粒子群算法 | 第21-23页 |
| ·粒子群算法的基本原理 | 第21-22页 |
| ·粒子群算法的基本流程 | 第22页 |
| ·粒子群算法的参数 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 太阳能光伏电池建模 | 第24-38页 |
| ·光伏电池的工作原理 | 第24-25页 |
| ·光伏电池的电特性 | 第25-29页 |
| ·光伏电池的等效电路 | 第25-26页 |
| ·光伏电池的数学模型 | 第26-27页 |
| ·光伏电池的I-V、P-V特性曲线 | 第27-28页 |
| ·光伏电池的输出功率和填充因数 | 第28页 |
| ·光伏电池的输出效率 | 第28-29页 |
| ·光伏电池外特性 | 第29-31页 |
| ·光伏电池的温度特性 | 第29-30页 |
| ·光伏电池的光照特性 | 第30-31页 |
| ·基于粒子算法的BP神经网络光伏电池建模 | 第31-37页 |
| ·粒子群优化神经网络的学习算法 | 第32-34页 |
| ·测试及仿真结果分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 太阳能光伏阵列最大功率点跟踪 | 第38-58页 |
| ·最大功率点跟踪原理 | 第38-39页 |
| ·外界环境对最大功率点的影响 | 第39-41页 |
| ·最大功率点数学模型 | 第41-42页 |
| ·最大功率点跟踪方法 | 第42-47页 |
| ·恒压跟踪法 | 第42-43页 |
| ·干扰观察法 | 第43-44页 |
| ·增量电导法 | 第44-45页 |
| ·模糊控制 | 第45-47页 |
| ·其他最大功率点跟踪方法 | 第47页 |
| ·PSO优化BP神经网络的最大功率点跟踪 | 第47-57页 |
| ·最大功率点跟踪流程 | 第47-48页 |
| ·BP神经网络结构设计 | 第48-49页 |
| ·实验数据选取 | 第49-52页 |
| ·仿真结果分析与结论 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 总结与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文 | 第64-65页 |
| 附录 | 第65-70页 |
