| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 光伏发电的现状 | 第10-12页 |
| 1.2.1 国外光伏发电现状 | 第10-11页 |
| 1.2.2 国内光伏发电现状 | 第11页 |
| 1.2.3 光伏发电存在的问题 | 第11-12页 |
| 1.3 MPPT的发展及研究 | 第12-13页 |
| 1.3.1 MPPT的概述 | 第12页 |
| 1.3.2 MPPT控制方法判断依据 | 第12-13页 |
| 1.4 本文主要工作 | 第13-15页 |
| 第二章 光伏电池建模与特性分析 | 第15-23页 |
| 2.1 光伏电池的概述 | 第15-17页 |
| 2.1.1 光伏电池的分类 | 第15页 |
| 2.1.2 光伏电池的工作原理 | 第15-17页 |
| 2.2 光伏电池的建模与仿真 | 第17-19页 |
| 2.2.1 光伏电池的等效电路图 | 第17-18页 |
| 2.2.2 光伏电池的数学模型 | 第18页 |
| 2.2.3 光伏电池的仿真模型 | 第18-19页 |
| 2.3 光伏电池的特性分析 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 最大功率点跟踪及其控制方法 | 第23-30页 |
| 3.1 最大功率点跟踪原理 | 第23-24页 |
| 3.2 传统MPPT控制方法 | 第24-28页 |
| 3.2.1 恒定电压法 | 第24-25页 |
| 3.2.2 干扰观测法 | 第25-26页 |
| 3.2.3 电导增量法 | 第26-28页 |
| 3.2.4 传统控制方法的对比 | 第28页 |
| 3.3 其他MPPT控制方法 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 RBF神经网络在光伏发电MPPT中的应用 | 第30-49页 |
| 4.1 人工神经网络 | 第30-31页 |
| 4.2 RBF神经网络 | 第31-42页 |
| 4.2.1 RBF神经网络的结构 | 第31-33页 |
| 4.2.2 RBF神经网络的数学基础 | 第33-34页 |
| 4.2.3 RBF神经网络的算法 | 第34-37页 |
| 4.2.4 RBF神经网络的逼近能力 | 第37-42页 |
| 4.3 基于RBF神经网络的光伏发电MPPT预测控制 | 第42-47页 |
| 4.3.1 光伏发电MPPT的RBF神经网络建模 | 第42-43页 |
| 4.3.2 不同算法对RBF神经网络的训练对比 | 第43-45页 |
| 4.3.3 RBF神经网络的预测结果分析 | 第45-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 基于GA-RBF神经网络在光伏发电MPPT中的应用 | 第49-62页 |
| 5.1 RBF神经网络存在的不足 | 第49页 |
| 5.2 遗传算法 | 第49-51页 |
| 5.2.1 遗传算法的原理及基本要素 | 第49-50页 |
| 5.2.2 遗传算法的流程 | 第50-51页 |
| 5.3 遗传算法优化的RBF神经网络 | 第51-55页 |
| 5.3.1 遗传算法对RBF神经网络的优化 | 第51-54页 |
| 5.3.2 对遗传机制的改进 | 第54-55页 |
| 5.4 基于遗传算法优化的RBF神经网络最大功率点跟踪流程 | 第55-56页 |
| 5.5 遗传算法优化的RBF神经网络预测结果分析 | 第56-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间的主要研究成果 | 第67-68页 |
| 致谢 | 第68页 |
