| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 光伏发电系统 | 第13-14页 |
| 1.2.2 常用的MPPT算法 | 第14-18页 |
| 1.3 主要内容及结构安排 | 第18-21页 |
| 1.3.1 主要内容 | 第18-19页 |
| 1.3.2 结构安排 | 第19-21页 |
| 第2章 多结太阳能电池模型的构建 | 第21-28页 |
| 2.1 光伏发电系统特性分析 | 第21-24页 |
| 2.1.1 光伏电池发电原理 | 第21-22页 |
| 2.1.2 光伏电池数学模型 | 第22-24页 |
| 2.2 模型仿真 | 第24-27页 |
| 2.2.1 PV模块仿真 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 适用于光伏阵列MPPT的人工神经网络模型的构建原理 | 第28-38页 |
| 3.1 人工神经网络 | 第28-33页 |
| 3.1.1 简介 | 第28-30页 |
| 3.1.2 基本概念 | 第30-33页 |
| 3.2 应用于光伏阵列的主要ANN模型 | 第33-37页 |
| 3.2.1 反向传播算法(Back propagation algorithm，BP) | 第33-35页 |
| 3.2.2 径向基函数网络（Radial basis Function Network，RBFN） | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 基于PSO的RBFN模型的最大功率点追踪 | 第38-49页 |
| 4.1 PSO算法介绍 | 第38-40页 |
| 4.1.1 算法原理 | 第38-39页 |
| 4.1.2 算法流程 | 第39-40页 |
| 4.2 基于PSO算法的RBFN模型构建 | 第40-42页 |
| 4.3 PSO-RBFN仿真实验 | 第42-47页 |
| 4.3.1 数据来源 | 第42-44页 |
| 4.3.2 仿真结果 | 第44-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第5章 利用最小二乘法进行改进的RBFN模型 | 第49-57页 |
| 5.1 最小二乘法介绍 | 第49-52页 |
| 5.1.1 算法历史简介 | 第49页 |
| 5.1.2 算法历史简介 | 第49-52页 |
| 5.2 LS算法改进RBFN模型 | 第52-53页 |
| 5.3 LS-RBFN仿真实验 | 第53-56页 |
| 5.3.1 数据来源 | 第53页 |
| 5.3.2 仿真结果 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间参加的科研项目和成果 | 第64页 |
