感知天气的太阳能路灯及其发电量预测的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题研究的背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 太阳能路灯的监控系统的现状 | 第11-12页 |
| 1.2.2 太阳能路灯发电量预测的研究现状 | 第12-13页 |
| 1.3 研究内容和论文章节 | 第13-15页 |
| 第二章 感知天气的太阳能路灯系统的关键技术 | 第15-25页 |
| 2.1 感知天气的太阳能路灯工作原理 | 第15页 |
| 2.2 LED照明技术 | 第15-18页 |
| 2.2.1 LED光源概述 | 第15-16页 |
| 2.2.2 LED发光原理 | 第16-18页 |
| 2.3 ZigBee技术 | 第18-22页 |
| 2.3.1 IEEE 802.15.4标准 | 第18页 |
| 2.3.2 ZigBee技术的特点 | 第18-19页 |
| 2.3.3 ZigBee网络拓扑结构 | 第19-20页 |
| 2.3.4 ZigBee协议栈 | 第20-22页 |
| 2.4 GPRS技术 | 第22-24页 |
| 2.4.1 GPRS技术特点及应用 | 第22-23页 |
| 2.4.2 GPRS的网络组成及数据传输流程 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 太阳能路灯发电量预测算法的研究 | 第25-31页 |
| 3.1 影响光伏系统日发电量的主要因素 | 第25页 |
| 3.2 相似日选取原理和训练样本确定 | 第25-27页 |
| 3.2.1 构造气象特征向量 | 第25-26页 |
| 3.2.2 计算相似度与相似日的选取 | 第26-27页 |
| 3.3 支持向量机回归预测模型 | 第27-28页 |
| 3.3.1 支持向量机回归(SVR)算法 | 第27-28页 |
| 3.3.2 日发电量的预测 | 第28页 |
| 3.4 结果分析 | 第28-31页 |
| 第四章 远程监控系统设计 | 第31-49页 |
| 4.1 系统总体结构设计 | 第31页 |
| 4.2 路灯控制终端的设计 | 第31-35页 |
| 4.2.1 基本功能 | 第31-32页 |
| 4.2.2 硬件设计 | 第32-35页 |
| 4.3 ZigBee/GPRS网关的设计 | 第35-37页 |
| 4.3.1 基本功能 | 第35-36页 |
| 4.3.2 硬件设计 | 第36-37页 |
| 4.4 ZigBee组网流程 | 第37-40页 |
| 4.4.1 建立一个新网络 | 第37-38页 |
| 4.4.2 ZigBee设备加入网络 | 第38-40页 |
| 4.5 GPRS网络组网 | 第40-42页 |
| 4.5.1 GPRS组网方案 | 第40页 |
| 4.5.2 GPRS通信协议 | 第40-41页 |
| 4.5.3 GPRS通信实现 | 第41-42页 |
| 4.6 数据库设计 | 第42-44页 |
| 4.6.1 数据库开发环境 | 第42页 |
| 4.6.2 数据库设计 | 第42-43页 |
| 4.6.3 数据库的访问技术 | 第43-44页 |
| 4.7 监控中心软件的设计 | 第44-47页 |
| 4.7.1 软件开发平台的选择 | 第44页 |
| 4.7.2 功能描述 | 第44-45页 |
| 4.7.3 监控中心界面设计 | 第45-47页 |
| 4.8 本章小结 | 第47-49页 |
| 第五章 太阳能路灯的控制策略及运行仿真 | 第49-55页 |
| 5.1 太阳能路灯的控制策略 | 第49页 |
| 5.2 输入输出量的模糊化 | 第49-51页 |
| 5.2.1 蓄电池剩余电量 | 第49-50页 |
| 5.2.2 太阳能电池板的预测发电量 | 第50页 |
| 5.2.3 LED灯亮度 | 第50-51页 |
| 5.3 模糊控制规则 | 第51页 |
| 5.4 模拟仿真 | 第51-55页 |
| 5.4.1 测试环境 | 第51-52页 |
| 5.4.2 太阳能电池板和蓄电池的规格 | 第52页 |
| 5.4.3 仿真结果 | 第52-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-61页 |
| 攻读硕士论文学位期间发表的论文 | 第61页 |
