| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9页 |
| 1.2 国内外研究发展现状 | 第9-15页 |
| 1.2.1 大容量储能技术发展现状 | 第9-11页 |
| 1.2.2 储能技术示范工程 | 第11-12页 |
| 1.2.3 大容量电池储能系统建模研究现状 | 第12-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 第2章 基于数据挖掘的电池储能系统SOC状态评估 | 第16-37页 |
| 2.1 引言 | 第16页 |
| 2.2 大容量电池储能系统成组方式及标定方法 | 第16-19页 |
| 2.2.1 大容量电池储能系统成组方式 | 第16-18页 |
| 2.2.2 大容量电池储能系统图论标定方法 | 第18-19页 |
| 2.3 基于等效电路的大容量电池储能系统SOC状态估计 | 第19-29页 |
| 2.3.1 电池单体等效电路模型分析 | 第19-20页 |
| 2.3.2 基于云模型的OCV-SOC典型曲线挖掘及等效电路模型建立 | 第20-24页 |
| 2.3.3 改进UKF算法的SOC状态估计 | 第24-27页 |
| 2.3.4 仿真分析 | 第27-29页 |
| 2.4 基于神经网络的大容量电池储能系统SOC状态估计 | 第29-36页 |
| 2.4.1 SOC状态估计模型影响因素分析 | 第29-30页 |
| 2.4.2 BP神经网络模型 | 第30页 |
| 2.4.3 基于思维进化算法的权值阈值优化模型 | 第30-33页 |
| 2.4.4 仿真分析 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于数据挖掘的电池储能系统软故障诊断 | 第37-47页 |
| 3.1 引言 | 第37-38页 |
| 3.2 大容量电池储能系统软故障特征量提取 | 第38-42页 |
| 3.2.1 惩罚角提取 | 第39-40页 |
| 3.2.2 偏离度提取 | 第40-42页 |
| 3.3 储能系统软故障诊断模型的构建 | 第42-45页 |
| 3.3.1 神经网络结构确定 | 第42-43页 |
| 3.3.2 模糊输出GA-BP神经网络软故障模型 | 第43-45页 |
| 3.4 仿真实例 | 第45-46页 |
| 3.4.1 模型训练 | 第45页 |
| 3.4.2 实例验证 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于Matlab GUI储能系统故障诊断软件开发 | 第47-58页 |
| 4.1 MATLAB GUI简介 | 第47页 |
| 4.2 MATLAB GUI设计流程 | 第47-49页 |
| 4.3 储能系统故障诊断软件初始界面设计与实现 | 第49-56页 |
| 4.3.1 储能系统软故障诊断软件初始界面设计 | 第49-50页 |
| 4.3.2 软件初始界面功能实现 | 第50-53页 |
| 4.3.3 软件具体模块功能实现 | 第53-56页 |
| 4.4 软件编译与发布 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 结论与展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-64页 |
| 致谢 | 第64页 |
