| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第10-26页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-23页 |
| 1.2.1 风电机组状态监测方法 | 第11-14页 |
| 1.2.2 风电机组故障诊断 | 第14-18页 |
| 1.2.3 风电机组可靠性预测方法 | 第18-23页 |
| 1.3 存在的主要问题 | 第23-24页 |
| 1.4 本文研究内容 | 第24-26页 |
| 2 风电机组状态参数相关性分析 | 第26-44页 |
| 2.1 引言 | 第26页 |
| 2.2 风电机组子系统与数据选择 | 第26-32页 |
| 2.2.1 风电机组基本组成与子系统 | 第26-27页 |
| 2.2.2 风电场SCADA系统状态参数 | 第27-29页 |
| 2.2.3 风电机组监测数据选择 | 第29-32页 |
| 2.3 状态参数的相关性分析 | 第32-43页 |
| 2.3.1 SCADA数据标准化处理 | 第32-33页 |
| 2.3.2 参数综合相关性指标 | 第33-35页 |
| 2.3.3 状态参数与风速和环境温度的相关性分析 | 第35-40页 |
| 2.3.4 同一部件的状态参数相关性 | 第40-41页 |
| 2.3.5 不同部件的状态参数相关性 | 第41-43页 |
| 2.4 小结 | 第43-44页 |
| 3 风电机组状态参数异常辨识广义模型 | 第44-72页 |
| 3.1 引言 | 第44页 |
| 3.2 风电机组状态参数异常辨识广义模型的构架 | 第44-45页 |
| 3.3 状态参数自动选择子模型 | 第45-54页 |
| 3.3.1 状态参数预测模型输入参数 | 第45-47页 |
| 3.3.2 状态参数自动选择子模型构建方法与实现 | 第47-54页 |
| 3.4 状态参数异常分析子模型 | 第54-64页 |
| 3.4.1 状态参数组合预测模型 | 第54-61页 |
| 3.4.2 状态参数异常分析 | 第61-64页 |
| 3.5 验证与分析 | 第64-70页 |
| 3.5.1 齿轮箱输出轴温度参数预测模型的自动参数选择 | 第64-66页 |
| 3.5.2 参数自动选择方法比较分析 | 第66-68页 |
| 3.5.3 异常辨识方法验证 | 第68-70页 |
| 3.6 小结 | 第70-72页 |
| 4 计及工况的风电机组运行状态评估方法 | 第72-88页 |
| 4.1 引言 | 第72页 |
| 4.2 风电机组状态参数 | 第72-73页 |
| 4.3 风电机组状态参数的数据处理 | 第73-81页 |
| 4.3.1 SCADA数据处理 | 第73-78页 |
| 4.3.2 相对劣化度 | 第78-81页 |
| 4.4 风电机组状态评估模型 | 第81-83页 |
| 4.5 实例分析与验证 | 第83-87页 |
| 4.5.1 SCADA数据处理的影响 | 第83-84页 |
| 4.5.2 状态评估模型验证 | 第84-87页 |
| 4.6 小结 | 第87-88页 |
| 5 风电机组短期可靠性预测模型 | 第88-106页 |
| 5.1 引言 | 第88页 |
| 5.2 风电机组短期可靠性预测模型的框架 | 第88-89页 |
| 5.3 基于马尔可夫过程的风电机组状态划分 | 第89-91页 |
| 5.3.1 马尔可夫过程 | 第89-90页 |
| 5.3.2 风电机组状态划分 | 第90-91页 |
| 5.4 初始停运概率模型的建模过程 | 第91-93页 |
| 5.5 时变状态转移概率的马尔可夫预测模型 | 第93-101页 |
| 5.5.1 状态转移概率矩阵 | 第93页 |
| 5.5.2 考虑机组运行状态的转移概率改进 | 第93-95页 |
| 5.5.3 考虑状态参数异常的转移概率改进 | 第95-101页 |
| 5.6 分析与验证 | 第101-105页 |
| 5.6.1 数据采样率对结果的影响 | 第101-102页 |
| 5.6.2 状态转移概率的统计区间对结果的影响 | 第102-103页 |
| 5.6.3 短期可靠性预测模型验证 | 第103-105页 |
| 5.7 小结 | 第105-106页 |
| 6 结论 | 第106-108页 |
| 致谢 | 第108-110页 |
| 参考文献 | 第110-120页 |
| 附录 | 第120页 |
| A. 作者在攻读博士学位期间发表的学术论文 | 第120页 |
| B. 作者在攻读博士学位期间参加的科研课题 | 第120页 |