隨著能源短缺和環(huán)境惡化問題的日趨突出,太陽能發(fā)電技術(shù)已然獲得普遍的關(guān)注和應(yīng)用。太陽能作為一種綠色環(huán)保清潔能源,在生活中的應(yīng)用越來越廣泛,伴隨著光伏發(fā)電技術(shù)的普遍應(yīng)用、研究,光伏發(fā)電系統(tǒng)和光伏陣列工況的監(jiān)測和故障診斷也變得愈發(fā)突出。目前,診斷光伏陣列故障的方法包括三大類:基于傳感器、基于光伏模型和基于人工智能的方法。本論文主要研究內(nèi)容如下:1、應(yīng)用目前在人工智能領(lǐng)域應(yīng)用很廣泛的兩種機(jī)器學(xué)習(xí)算法:神經(jīng)網(wǎng)絡(luò)算法和支持向量機(jī)算法。并將兩種算法在不同的方面作出分析和對比,通過對比發(fā)現(xiàn),將SVM算法用于光伏陣列故障診斷較神經(jīng)網(wǎng)絡(luò)有很多優(yōu)勢。2、分析研究數(shù)據(jù)預(yù)處理在智能故障診斷算法過程中的重要性,數(shù)據(jù)預(yù)處理是一個(gè)對樣本數(shù)據(jù)集進(jìn)行去噪、修補(bǔ)和提高質(zhì)量的過程,合理的數(shù)據(jù)預(yù)處理可以不斷提高模型的學(xué)習(xí)效率,還可以提高模型學(xué)習(xí)的精度。通過分析光伏故障數(shù)據(jù),確定了本文所采取的數(shù)據(jù)預(yù)處理方法主要是數(shù)據(jù)歸一化和熱卡填補(bǔ)。3、對光伏陣列出現(xiàn)的故障類型進(jìn)行了綜合分析,確定了老化、裂紋、陰影、熱斑、開路和短路故障影響光伏陣列發(fā)電的內(nèi)部機(jī)理。基于此,進(jìn)一步對光伏陣列故障特征參數(shù)進(jìn)行分析,最終確定輸入模型的特征參量為短路電流...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題來源
    1.2 課題研究背景
        1.2.1 能源與環(huán)境問題
        1.2.2 光伏發(fā)電技術(shù)的發(fā)展與運(yùn)用
        1.2.3 光伏陣列故障診斷技術(shù)的重要性
    1.3 光伏陣列故障診斷方法研究現(xiàn)狀
        1.3.1 傳感器法
        1.3.2 模型算法
        1.3.3 智能算法
        1.3.4 故障診斷方法比較
    1.4 課題的研究意義
    1.5 論文的主要內(nèi)容及結(jié)構(gòu)安排
第二章 支持向量機(jī)算法與故障數(shù)據(jù)預(yù)處理
    2.1 SVM算法與神經(jīng)網(wǎng)絡(luò)算法
        2.1.1 基于SVM算法的故障診斷
        2.1.2 SVM算法與神經(jīng)網(wǎng)絡(luò)算法優(yōu)缺點(diǎn)分析
    2.2 故障數(shù)據(jù)預(yù)處理
        2.2.1 數(shù)據(jù)歸一化
        2.2.2 數(shù)據(jù)修補(bǔ)
    2.3 本章小結(jié)
第三章 故障診斷方法和故障數(shù)據(jù)采集
    3.1 光伏陣列故障診斷方法
    3.2 光伏陣列故障分析
    3.3 光伏陣列故障特征參數(shù)選取
    3.5 本章小結(jié)
第四章 實(shí)驗(yàn)分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)采集
        4.1.1 光伏陣列的搭建
        4.1.2 采集故障數(shù)據(jù)
    4.2 樣本數(shù)據(jù)預(yù)處理
        4.2.1 熱卡填補(bǔ)法
        4.2.2 數(shù)據(jù)規(guī)約
    4.3 支持向量機(jī)核函數(shù)和參數(shù)的選擇
        4.3.1 核函數(shù)選擇和核參數(shù)調(diào)整
    4.4 模型訓(xùn)練和驗(yàn)證
    4.5 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
作者簡歷
    一、 基本情況
    二、 學(xué)習(xí)工作經(jīng)歷
    三、 發(fā)表論文
    四、科研項(xiàng)目情況



本文編號：3781380