摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
符号对照表 | 第12-13页 |
缩略语对照表 | 第13-17页 |
第一章 绪论 | 第17-21页 |
1.1 论文研究背景 | 第17-18页 |
1.2 健康管理技术的目的和意义 | 第18页 |
1.3 国内外研究现状 | 第18-20页 |
1.3.1 国外研究现状 | 第18-19页 |
1.3.2 国内研究现状 | 第19-20页 |
1.4 论文的研究内容与结构安排 | 第20-21页 |
第二章 装备系统的健康管理技术 | 第21-33页 |
2.1 健康管理系统体系结构 | 第21-24页 |
2.2 健康管理系统关键技术 | 第24-29页 |
2.2.1 数据采集及处理技术 | 第24-25页 |
2.2.2 健康诊断技术 | 第25页 |
2.2.3 健康预测技术 | 第25-29页 |
2.3 光伏装备系统中的健康管理 | 第29-31页 |
2.4 本章小结 | 第31-33页 |
第三章 基于LS-SVM的光伏装备系统健康管理 | 第33-51页 |
3.1 SVM与LS-SVM的基本原理 | 第33-39页 |
3.1.1 SVM的基本原理 | 第33-37页 |
3.1.2 LS-SVM的基本原理 | 第37-39页 |
3.2 建立LS-SVM的光伏装备状态预测 | 第39-42页 |
3.2.1 建立基于LS-SVM的光伏装备状态预测模型 | 第39-40页 |
3.2.2 超参数选择 | 第40-42页 |
3.3 数据实验与结果分析 | 第42-49页 |
3.3.1 直流母线电压平稳数据集预测 | 第43-44页 |
3.3.2 直流母线电压慢速下降数据集预测 | 第44-46页 |
3.3.3 直流母线电压快速下降数据集预测 | 第46-47页 |
3.3.4 逆变器工作额定电压上升数据集预测 | 第47-48页 |
3.3.5 逆变器工作额定电压下降数据集预测 | 第48-49页 |
3.4 本章小结 | 第49-51页 |
第四章 基于BP神经网络的光伏装备系统健康管理 | 第51-69页 |
4.1 人工神经网络研究 | 第51-53页 |
4.1.1 人工神经网络的基本特性 | 第51-52页 |
4.1.2 人工神经网络的工作机理 | 第52-53页 |
4.2 BP神经网络研究 | 第53-58页 |
4.2.1 BP神经网络的结构 | 第53-54页 |
4.2.2 BP神经网络的学习过程 | 第54-58页 |
4.3 构建BP神经网络的光伏装备状态预测 | 第58-60页 |
4.3.1 构建基于BP神经网络的光伏装备状态预测模型 | 第59页 |
4.3.2 超参数选择 | 第59-60页 |
4.4 数据实验与结果分析 | 第60-67页 |
4.4.1 直流母线电压平稳数据集预测 | 第61-62页 |
4.4.2 直流母线电压慢速下降数据集预测 | 第62-63页 |
4.4.3 直流母线电压快速下降数据集预测 | 第63-64页 |
4.4.4 逆变器工作额定电压上升数据集预测 | 第64-65页 |
4.4.5 逆变器工作额定电压下降数据集预测 | 第65-67页 |
4.5 本章小结 | 第67-69页 |
第五章 光伏装备健康管理系统软件的设计与实现 | 第69-87页 |
5.1 光伏装备系统健康管理软件的系统分析 | 第69-71页 |
5.1.1 系统功能需求分析 | 第69-70页 |
5.1.2 系统性能分析 | 第70-71页 |
5.1.3 系统需解决的关键问题 | 第71页 |
5.2 光伏发电装备健康管理软件概要设计 | 第71-77页 |
5.2.1 软件整体架构设计 | 第71-73页 |
5.2.2 数据库及数据处理设计 | 第73-74页 |
5.2.3 网络通信的设计与实现 | 第74-76页 |
5.2.4 健康诊断和预测设计 | 第76页 |
5.2.5 系统界面设计 | 第76-77页 |
5.3 健康管理系统软件的开发与实现 | 第77-85页 |
5.3.1 软件开发环境 | 第77页 |
5.3.2 数据解析及访问 | 第77-80页 |
5.3.3 系统功能开发与实现 | 第80-85页 |
5.4 本章小结 | 第85-87页 |
第六章 总结与展望 | 第87-89页 |
6.1 工作总结 | 第87页 |
6.2 工作展望 | 第87-89页 |
参考文献 | 第89-91页 |
致谢 | 第91-93页 |
作者简介 | 第93-94页 |