光伏逆变器软故障特征提取方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 研究现状及研究难点 | 第13-15页 |
| 1.2.1 研究现状 | 第13-15页 |
| 1.2.2 研究难点 | 第15页 |
| 1.3 本文研究的内容 | 第15-16页 |
| 1.4 本文的结构安排 | 第16-18页 |
| 2 光伏逆变器软故障分析 | 第18-30页 |
| 2.1 光伏并网发电系统 | 第18-19页 |
| 2.2 逆变器主电路拓扑 | 第19-23页 |
| 2.2.1 逆变器电路类型 | 第19-20页 |
| 2.2.2 三电平逆变器主电路拓扑 | 第20页 |
| 2.2.3 三电平NPC逆变器工作原理 | 第20-23页 |
| 2.3 逆变器软故障分析 | 第23-29页 |
| 2.3.1 软故障模式 | 第23-25页 |
| 2.3.2 软故障仿真分析 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于VMD小波能量的软故障特征提取 | 第30-52页 |
| 3.1 VMD方法 | 第30-39页 |
| 3.1.1 VMD概述 | 第30页 |
| 3.1.2 基本概念 | 第30-34页 |
| 3.1.3 VMD原理 | 第34-36页 |
| 3.1.4 VMD仿真实例 | 第36-39页 |
| 3.2 排列熵原理 | 第39-42页 |
| 3.2.1 信息熵 | 第39-40页 |
| 3.2.2 相空间重构 | 第40-41页 |
| 3.2.3 排列熵算法 | 第41-42页 |
| 3.3 诊断算法 | 第42-43页 |
| 3.4 基于排列熵的最优VMD模态分量 | 第43-45页 |
| 3.5 最优VMD模态小波能量提取 | 第45-49页 |
| 3.5.1 小波分析概述 | 第45页 |
| 3.5.2 小波分析原理 | 第45-47页 |
| 3.5.3 多分辨分析特征提取和降维 | 第47-49页 |
| 3.6 实验结果与分析 | 第49-51页 |
| 3.6.1 诊断算法与实验流程 | 第49-50页 |
| 3.6.2 不同特征提取方法分析与对比 | 第50-51页 |
| 3.7 本章小结 | 第51-52页 |
| 4 基于参数辨识的软故障特征提取 | 第52-64页 |
| 4.1 极限学习机 | 第52-56页 |
| 4.1.1 人工神经网络概念 | 第52-53页 |
| 4.1.2 极限学习机原理 | 第53-56页 |
| 4.2 基于ELM的逆变电路参数辨识 | 第56-58页 |
| 4.2.1 统计学参数选取 | 第56-57页 |
| 4.2.2 实验流程 | 第57-58页 |
| 4.3 参数辨识实验 | 第58-63页 |
| 4.3.1 实验样本选择 | 第58页 |
| 4.3.2 ELM参数设定 | 第58-60页 |
| 4.3.3 实验分析与对比 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 作者简介及读研期间主要科研成果 | 第74-75页 |
