| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 光伏研究背景与意义 | 第8-10页 |
| 1.2 光伏发电的国内外现状与发展趋势 | 第10-11页 |
| 1.3 光伏组件内部参数辨识及故障诊断现状 | 第11-13页 |
| 1.3.1 光伏组件内部参数辨识方法分析 | 第11-12页 |
| 1.3.2 光伏组件故障诊断现状分析 | 第12-13页 |
| 1.4 本文研究的主要内容与章节安排 | 第13-15页 |
| 第2章 光伏组件输出特性分析及内部参数对输出特性影响 | 第15-31页 |
| 2.1 光伏电池工作原理和等效电路 | 第15-17页 |
| 2.1.1 光伏电池工作原理 | 第15-16页 |
| 2.1.2 光伏电池五参数模型 | 第16-17页 |
| 2.2 光伏组件仿真模型及输出特性分析 | 第17-21页 |
| 2.2.1 光伏电池的仿真模型建立 | 第17-19页 |
| 2.2.2 光伏组件仿真及输出特性分析 | 第19-21页 |
| 2.3 光伏组件内部五参数对外部输出特性影响 | 第21-26页 |
| 2.3.1 光伏组件内部参数A对I-V曲线影响分析 | 第21-23页 |
| 2.3.2 光伏组件内部参数phI对I-V曲线影响分析 | 第23页 |
| 2.3.3 光伏组件内部参数oI对I-V曲线影响分析 | 第23-24页 |
| 2.3.4 光伏组件内部参数sR对I-V曲线影响分析 | 第24-25页 |
| 2.3.5 光伏组件内部参数shR对I-V曲线影响分析 | 第25-26页 |
| 2.4 优化迭代法求解光伏组件内部参数 | 第26-30页 |
| 2.4.1 迭代计算模型基础 | 第26-29页 |
| 2.4.2 迭代计算流程 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 改进量子粒子群算法的研究 | 第31-42页 |
| 3.1 标准粒子群算法 | 第31-32页 |
| 3.2 量子粒子群算法介绍 | 第32-34页 |
| 3.3 量子粒子群算法的改进策略 | 第34-37页 |
| 3.4 算例分析与算法验证 | 第37-40页 |
| 3.4.1 HQPSO算法在旅行商问题上的运用流程 | 第38页 |
| 3.4.2 结果分析 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 改进算法在光伏组件内参数辨识的应用及仿真分析 | 第42-56页 |
| 4.1 光伏组件内部参数辨识的目标函数 | 第42-44页 |
| 4.2 光伏组件内部参数辨识的HQPSO算法实现 | 第44-46页 |
| 4.3 光伏组件参数辨识的算例验证与分析 | 第46-51页 |
| 4.3.1 仿真实验验证算例 | 第46-49页 |
| 4.3.2 实测数据实验验证算例 | 第49-51页 |
| 4.4 光伏组件内部参数拟合与规律总结 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于光伏组件内部参数辨识的故障诊断模型 | 第56-66页 |
| 5.1 光伏组件故障输出特性分析 | 第56-59页 |
| 5.1.1 短路故障分析 | 第56-57页 |
| 5.1.2 开路故障分析 | 第57-58页 |
| 5.1.3 老化故障分析 | 第58-59页 |
| 5.2 BP神经网络故障诊断算法 | 第59-63页 |
| 5.2.1 BP神经网络离线建型基本原理 | 第59-62页 |
| 5.2.2 光伏组件故障诊断模型 | 第62-63页 |
| 5.3 光伏组件故障诊断模型验证与结果分析 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 发表论文和参加科研说明 | 第72-73页 |
| 致谢 | 第73-74页 |
