| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.1.1 能源需求和环境问题 | 第9页 |
| 1.1.2 光伏发电发展趋势 | 第9-10页 |
| 1.1.3 光伏发电系统存在的效率问题 | 第10页 |
| 1.2 国内外发展现状及研究意义 | 第10-12页 |
| 1.2.1 国内外光伏阵列发电效率研究现状 | 第10-11页 |
| 1.2.2 国内外光伏阵列故障诊断研究现状 | 第11-12页 |
| 1.2.3 课题的研究意义 | 第12页 |
| 1.3 课题的主要研究内容 | 第12-15页 |
| 第二章 光伏阵列及其故障诊断结构 | 第15-27页 |
| 2.1 光伏电池的建模 | 第15-20页 |
| 2.1.1 光伏电池的基本工作原理 | 第15页 |
| 2.1.2 光伏电池的简单数学模型 | 第15-17页 |
| 2.1.3 光伏电池的工程数学模型 | 第17-18页 |
| 2.1.4 光伏电池的输出特性 | 第18-20页 |
| 2.2 光伏电池的连接方式 | 第20-22页 |
| 2.2.1 串联结构 | 第20页 |
| 2.2.2 并联结构 | 第20-21页 |
| 2.2.3 SP结构 | 第21-22页 |
| 2.3 光伏阵列的故障诊断 | 第22-25页 |
| 2.3.1 光伏阵列故障检测方式比较 | 第22-23页 |
| 2.3.2 基于神经网络的光伏阵列故障诊断结构 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 光伏阵列故障检测方法的研究 | 第27-37页 |
| 3.1 光伏阵列故障种类及成因 | 第27-28页 |
| 3.2 光伏阵列传感器检测方法的研究 | 第28-31页 |
| 3.2.1 CTCT结构的多传感器检测法 | 第28-29页 |
| 3.2.2 传感器嵌入方式分析 | 第29-31页 |
| 3.3 新型传感器故障检测方法的研究 | 第31-33页 |
| 3.3.1 SI-SP检测法 | 第31-32页 |
| 3.3.2 SI-SP结构的故障定位方法。 | 第32-33页 |
| 3.4 故障仿真及效率分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 光伏阵列遮阴程度的诊断及效率分析 | 第37-53页 |
| 4.1 决策树模型的研究 | 第37-38页 |
| 4.1.1 样本数据的采集 | 第37页 |
| 4.1.2 参数提取与分析 | 第37-38页 |
| 4.2 基于BP神经网络的遮阴程度诊断 | 第38-43页 |
| 4.2.1 BP神经网络的算法原理 | 第38-42页 |
| 4.2.2 BP神经网络遮阴程度诊断结果 | 第42-43页 |
| 4.3 基于核极限学习机(KELM)的遮阴程度诊断 | 第43-48页 |
| 4.3.1 极限学习机(ELM)原理 | 第43-44页 |
| 4.3.2 核极限学习机(KELM)的原理 | 第44-47页 |
| 4.3.3 ELM及KELM遮阴程度诊断结果分析 | 第47-48页 |
| 4.4 基于遮阴程度诊断的阵列效率分析 | 第48-51页 |
| 4.4.1 阴影分布对SP阵列效率的影响 | 第48-50页 |
| 4.4.2 阴影条件下SP阵列优化配置方法 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 基于KELM遮阴诊断的阵列优化配置方案的测试与验证 | 第53-63页 |
| 5.1 可测试光伏阵列的整体设计 | 第53-57页 |
| 5.1.1 光伏阵列的搭建 | 第53-54页 |
| 5.1.2 模块电路的设计 | 第54-57页 |
| 5.2 验证与分析 | 第57-61页 |
| 5.2.1 KELM遮阴程度诊断算法的验证分析 | 第57-59页 |
| 5.2.2 阵列优化配置方案的验证分析 | 第59-61页 |
| 5.3 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71页 |