1 绪论
1.1 研究背景与意义
1.2.1 系统模型构建法
1.2.2 电路结构法
1.2.3 电气测量法
1.2.4 智能诊断法
1.2.5 红外图像识别法
1.2.6 多传感器法
1.3 论文主要工作
2 光伏组件长短期阴影分析及故障诊断相关理论
2.1 光伏组件长短期阴影故障分析
2.2 光伏组件故障诊断方法原理
2.2.1 光伏出力数据的时间序列特性分析
2.2.2 云层扰动的判别原理
2.2.3 多尺度智能量化诊断算法流程图
2.3 本章小结
3 基于循环递归神经网络模型的光伏组件出力预测
3.1 光伏组件出力时间序列数据预处理
3.1.1 光伏出力数据的分解
3.1.2 光伏出力数据的重构
3.2 循环递归神经网络模型
3.2.1 LSTM网络
3.2.2 CW-RNN网络
3.3 基于循环递归神经网络的光伏组件出力预测
3.3.1 模型参数设置
3.3.2 预测结果评价
3.4 本章小结
4 光伏组件长短期阴影故障特征集的构建
4.1 长短期阴影故障特征工程
4.2 长短期阴影故障集的特征描述及预处理
4.2.1 故障特征集的归一化处理
4.2.2 故障特征集的偏度处理——Box-Cox 变换
4.3 长短期阴影故障特征集的降维处理
4.4 基于随机森林的长短期阴影故障特征评估与选择
4.5 本章小结
5 光伏组件长短期阴影故障分类预测
5.1 支持向量机算法
5.2 故障分类预测算法参数的优化选择
5.2.1 随机森林主要参数
5.2.2 支持向量机主要参数
5.3 光伏组件长短期故障分类预测的评价指标
5.4长短期阴影故障分类诊断预测结果分析
5.5 本章小结
6 全文总结
6.1 主要创新
6.2 研究展望
参考文献
附录
A. 作者在攻读学位期间发表的论文
B. 作者在攻读学位期间申请的专利
C. 作者在攻读学位期间参与的科研项目
D. 学位论文数据集
致谢
重庆大学;