| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 主要符号表 | 第16-17页 |
| 1 绪论 | 第17-24页 |
| 1.1 课题背景和意义 | 第17-18页 |
| 1.2 国内外风力发电机故障预警和诊断研究现状 | 第18-21页 |
| 1.2.1 国内研究现状 | 第18-19页 |
| 1.2.2 国外研究现状 | 第19-21页 |
| 1.3 数据挖掘技术在国内外故障诊断领域的研究现状 | 第21-22页 |
| 1.4 存在问题分析 | 第22页 |
| 1.5 本文的主要工作 | 第22-24页 |
| 2 风力发电机工作原理及其典型故障 | 第24-33页 |
| 2.1 风力发电机工作原理 | 第24-25页 |
| 2.2 风力发电机的基本结构 | 第25-26页 |
| 2.3 双馈风电机组主要部件及故障 | 第26-32页 |
| 2.3.1 发电机 | 第26-27页 |
| 2.3.2 风轮 | 第27-28页 |
| 2.3.3 齿轮箱 | 第28-29页 |
| 2.3.4 变桨系统 | 第29页 |
| 2.3.5 偏航系统 | 第29-30页 |
| 2.3.6 液压系统 | 第30-31页 |
| 2.3.7 SCADA系统 | 第31-32页 |
| 2.4 小结 | 第32-33页 |
| 3 数据挖掘技术在风力发电机组中的应用 | 第33-40页 |
| 3.1 风电机数据挖掘过程 | 第33-36页 |
| 3.1.1 数据预处理 | 第34-35页 |
| 3.1.2 风机数据预处理 | 第35-36页 |
| 3.2 数据挖掘方法-关联规则 | 第36-38页 |
| 3.2.1 关联规则的基本概念 | 第36-37页 |
| 3.2.2 关联规则的经典算法研究 | 第37-38页 |
| 3.3 风机数据挖掘结构 | 第38-39页 |
| 3.4 数据库匹配功能算法实现-规则匹配 | 第39页 |
| 3.5 小结 | 第39-40页 |
| 4 风力发电机温度预警 | 第40-55页 |
| 4.1 SCADA数据准备和影响发电机温度因素分析 | 第40-45页 |
| 4.1.1 风电机组SCADA数据的选取 | 第40页 |
| 4.1.2 影响风力发电机温度因素定性分析 | 第40-45页 |
| 4.2 风力发电机故障预警模型基本原理 | 第45-46页 |
| 4.3 风力发电机故障预警建模 | 第46-48页 |
| 4.4 算例分析和结果分析 | 第48-54页 |
| 4.5 小结 | 第54-55页 |
| 5 风机远程监控及数据分析系统设计与实现 | 第55-67页 |
| 5.1 手机APP远程集中监控风机的系统设计 | 第55-59页 |
| 5.1.1 系统设计总体思路 | 第55页 |
| 5.1.2 系统结构 | 第55-57页 |
| 5.1.3 OPC接口技术 | 第57页 |
| 5.1.4 数据采集流程 | 第57页 |
| 5.1.5 基于B/S结构的数据平台 | 第57-59页 |
| 5.2 数据统计分析 | 第59-60页 |
| 5.2.1 数据库开发 | 第59页 |
| 5.2.2 数据库体系结构 | 第59-60页 |
| 5.2.3 数据解析处理 | 第60页 |
| 5.3 APP系统设计 | 第60-66页 |
| 5.3.1 APP实现系统功能设计 | 第60-63页 |
| 5.3.2 APP报表逻辑设计 | 第63-64页 |
| 5.3.3 APP报表逻辑设计 | 第64-66页 |
| 5.4 小结 | 第66-67页 |
| 6 结论与展望 | 第67-69页 |
| 6.1 结论 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间科研项目及科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77-78页 |