1. 研究目的与意义
随着全球能源问题的日益突出，人们逐渐将目光转向一些再生能源，太阳能就是其中之一。在过去的几年里，因为光伏材料价格的下降以及各国政府的政策支持，光伏产业得到了快速的发展。目前光伏组件的寿命大约为 25 年，这就要求光伏电站在这 25 年时间里可以稳定、持续、高效的发电。但是，光伏电站往往安装在比较恶劣的环境中，导致各种故障频发。因此，光伏系统的维护和故障诊断尤为重要。 神经网络用于故障诊断起源于 80 年代末期，在国外，很多企业，科研机构、大学等单位都参与这一领域的研究，如美国机械工程师学会（ASME），美国宇航局（NASA），一些大型跨国公司如 HP、Bently 等，丹麦的 Bamp;K 公司，日本的 Panasonic等，他们的产品或者成果基本上代表了故障诊断技术的先进水平，不仅有完善的检测功能，还有较强的诊断功能。国内故障诊断技术，虽然起步较晚，但是发展较快，对各个领域都有应用研究，如西交大的“大型旋转机械计算机状态监测与故障诊断系统”，东北大学的“风机工作状态监测诊断系统”等故障诊断就是根据所获取的故障信息特征(故障征兆) 来判断故障的原因(故障模式) 。
光伏系统是利用太阳电池组件和其他辅助设备将太阳能转换成电能的系统。一般分为独立系统、并网系统和混合系统。进入21世纪以来，世界太阳能光伏发电产业发展迅速，市场应用规模不断扩大，在后续能源的发展中的作用越来越重要。开发利用太阳能光伏技术也是我国实行资源节约型社会节能减排、可持续发展、改善生存环境等的重要举措之一。
对于设备故障来说，每一故障模式都有与其对应的故障征兆，因此故障诊断实质上属于模式识别领域，可以用人工神经网络（ANN ）来解决。将ANN 用于光伏系统故障诊断问题，国内外研究者已经进行了大量的研究工作。ANN 是近年来迅速发展起来的十分热门的交叉学科，涉及生物、电子、计算机、数学和物理等学科，具有广泛的应用前景，将极大地影响未来科学技术的发展。ANN是一种大型的并行分布处理系统，具有鲁棒性好、学习功能强等特点，它模拟人的形象思维能力，适合解决非线性优化、模式识别等问题。人工神经网络是一个由大量的人工神经元连接而成的非线性动态系统，可以模拟人脑的智能进行信息处理。基于故障诊断的重点，本文重点研究了人工神经网络方法，利用该方法可实现光伏系统故障的智能诊断。
2. 研究内容与预期目标
（1）研究内容本论文是基于ANN（人工神经网络）的光伏系统故障检测方法，这种网络依靠系统的复杂程度通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。当光伏系统发生故障时，如果能把故障状态和故障原因之间的对应关系通过神经网络的学习后保存在神经网络结构和权值中，将测量得到的电压或电流值输入训练好的神经网络，即可实现故障诊断。最后探讨了光伏系统故障诊断方法的发展趋势，并总结了一些有待解决的问题，以期为光伏系统故障诊断的研究提供一定的指导和参考。
（2）预期目标
利用人工神经网络的非线性动态系统辨识能力,建立测量参数的神经网络预测模型,根据实际测量值与神经网络模型的预测值之间的残差,可实现故障的检测。此外,利用神经网络预测值,可以暂时替代发生故障的测量。在用其它方法排除测量故障原因后,根据残差信号,可实现对过程的故障检测。利用神经网络辨识能力,建立电站中设备的静态特性模型,通过残差分析,可确定设备性能下降故障。利用网络的模式识别能力,对设备性能下降的程度进行诊断。这将为建立电站性能监测与诊断系统提供新的方法,为在电站实现状态预测性检修创造条件。
3. 研究方法与步骤
(1)研究方法
近年来发展起来的人工神经网络(Artificial Neural Net-work ,简称ANN)具有自学习、自组织、自适应和容错等一系列优点，在许多领域有着成功的应用。国内外许多研究单位和学者在用人工神经网络方法预测机器运行状态方面做了大量的工作，取得了很好的效果。人工神经网络是一个由大量的人工神经元连接而成的非线性动态系统，可以模拟人脑的智能进行信息处理。基于故障诊断的重点，本文重点研究了人工神经网络方法，利用该方法可实现光伏系统故障的智能诊断。
(2)步骤
4. 参考文献
[1]王元章, 李智华, 吴春华. 光伏系统故障诊断方法综述[J]. 电源技术, 2013, 37(9):1700-1705.
[2]任燕燕. 基于人工神经网络的故障诊断方法的研究及应用[D]. 华北电力大学(河北),2009.
[3]董学育. 基于人工神经网络的故障诊断方法在电站中的应用研究[D]. 东南大学, 2001.
5. 工作计划
（1）3月5日-3月11日：毕业实习介绍与课题了解介绍
（2）3月12日-3月18日：查找资料
（3）3月19日-3月25日：了解课题的背景和意义
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
