首页--工业技术论文--电工技术论文--电机论文--发电机、大型发电机组(总论)论文--风力发电机论文

风电机组运行数据中异常值识别方法的研究

摘要第8-9页
Abstract第9-10页
第1章 绪论第13-20页
    1.1 课题的研究背景及意义第13-15页
    1.2 课题的研究现状第15-18页
        1.2.1 数理统计的识别方法第15-16页
        1.2.2 基于学习方法的数据识别方法第16-17页
        1.2.3 基于密度和距离的数据识别方法第17-18页
    1.3 本文的主要研究内容第18-20页
第2章 风电机组的异常数据第20-27页
    2.1 风力发电机工作特性第20-21页
    2.2 风电风速与功率的关系第21-23页
    2.3 风电机组异常数据分类及其产生原因第23-26页
    2.4 本章小结第26-27页
第3章 风电机组风速异常数据识别方法第27-42页
    3.1 风速时间序列模型第27-30页
        3.1.1 ARIMA模型第27-28页
        3.1.2 模型定阶第28-29页
        3.1.3 参数估计第29-30页
    3.2 异常风速特征的提取第30-31页
        3.2.1 小波变换第30-31页
        3.2.2 基于小波变换的异常风速特征提取第31页
    3.3 隐马尔科夫模型识别方法第31-33页
        3.3.1 马尔科夫链第32页
        3.3.2 隐马尔科夫结构第32-33页
        3.3.3 Viterbi检验方法第33页
    3.4 异常风速数据的重构方法第33-34页
    3.5 RBF预测算法第34-36页
        3.5.1 RBF神经网络的结构第34-35页
        3.5.2 RBF神经网络的工作原理第35-36页
    3.6 算例分析第36-41页
        3.6.1 异常值识别与分析第37-40页
        3.6.2 误差分析第40-41页
    3.7 本章小结第41-42页
第4章 基于Copula理论风电机组异常数据识别方法第42-57页
    4.1 Copula理论概述第42-46页
        4.1.1 Copula函数及其类型第42-44页
        4.1.2 Copula理论的相关性度量第44-45页
        4.1.3 Copula函数的参数估计第45-46页
        4.1.4 模型评价第46页
    4.2 异常数据识别过程第46-49页
        4.2.1 异常数据识别原理第46-47页
        4.2.2 异常数据特征分析第47-48页
        4.2.3 异常数据识别准则第48-49页
    4.3 算例分析第49-56页
        4.3.1 Copula函数选择第49-53页
        4.3.2 实测数据异常数据识别第53-54页
        4.3.3 人工生成异常数据识别第54-56页
    4.4 本章小结第56-57页
结论及展望第57-59页
参考文献第59-63页
致谢第63-64页
附录A 攻读学位期间所发表的学术论文目录第64页

论文共64页,点击 下载论文
上一篇:爵士和声理论研究--以三套教程为例
下一篇:声音性别表演—越剧女小生性别现象研究