| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 光伏发电产业发展现状 | 第13-15页 |
| 1.2.2 光伏监控系统研究现状 | 第15-16页 |
| 1.2.3 光伏阵列故障诊断研究现状 | 第16-17页 |
| 1.2.4 数据挖掘技术研究现状 | 第17-18页 |
| 1.3 主要工作 | 第18-19页 |
| 第2章 光伏发电系统建模 | 第19-35页 |
| 2.1 光伏发电系统简介 | 第19-21页 |
| 2.1.1 光伏发电系统分类 | 第19-20页 |
| 2.1.2 大型光伏发电系统的组成 | 第20-21页 |
| 2.2 光伏阵列建模与特性分析 | 第21-26页 |
| 2.2.1 太阳能电池建模 | 第21-22页 |
| 2.2.2 光伏阵列结构分析 | 第22-23页 |
| 2.2.3 光伏阵列特性分析 | 第23-26页 |
| 2.3 最大功率跟踪算法研究 | 第26-27页 |
| 2.4 光伏逆变器逆变部分建模 | 第27-31页 |
| 2.4.1 电压源型逆变控制原理 | 第28-31页 |
| 2.4.2 逆变控制仿真实现 | 第31页 |
| 2.5 建模仿真分析 | 第31-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 光伏阵列的故障诊断研究 | 第35-52页 |
| 3.1 支持向量机概述 | 第35-39页 |
| 3.1.1 广义最优分类面 | 第35-37页 |
| 3.1.2 核函数 | 第37-38页 |
| 3.1.3 多分类问题 | 第38-39页 |
| 3.2 SVM参数优化 | 第39-43页 |
| 3.2.1 粒子群算法基本原理 | 第40-41页 |
| 3.2.2 粒子群算法的改进 | 第41-42页 |
| 3.2.3 改进的粒子群优化算法设计 | 第42-43页 |
| 3.3 IPSO-SVM算法在光伏阵列故障诊断的应用 | 第43-50页 |
| 3.3.1 光伏阵列故障分析 | 第43-44页 |
| 3.3.2 算法实现流程 | 第44-46页 |
| 3.3.3 仿真实例的选取 | 第46-48页 |
| 3.3.4 仿真结果分析 | 第48-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 光伏发电系统健康状况分析 | 第52-63页 |
| 4.1 光伏发电监控系统 | 第52-54页 |
| 4.2 变权层次分析法 | 第54-56页 |
| 4.2.1 层次分析法权值计算 | 第54-55页 |
| 4.2.2 变权综合法 | 第55-56页 |
| 4.3 基于变权层次分析法的光伏发电系统健康度分析 | 第56-62页 |
| 4.3.1 状态参量的量化 | 第56-58页 |
| 4.3.2 健康度评估 | 第58-60页 |
| 4.3.3 实例仿真分析 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 工作总结 | 第63页 |
| 5.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 作者简历 | 第70页 |