基于SCADA数据特征的风电机组叶桨结冰辨识研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 风力发电背景 | 第11页 |
| 1.1.2 本课题研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 叶片结冰探测的研究现状 | 第13-15页 |
| 1.2.2 目前存在的主要问题 | 第15页 |
| 1.3 研究思路及研究内容 | 第15-16页 |
| 第2章 风电机组叶桨结冰 | 第16-22页 |
| 2.1 叶桨结冰的机理分析 | 第16-17页 |
| 2.2 叶桨结冰的影响因素 | 第17-19页 |
| 2.3 叶桨结冰区域的特点 | 第19页 |
| 2.4 叶桨结冰的相关类型 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于支持向量机的机组整体性能分析 | 第22-41页 |
| 3.1 引言 | 第22页 |
| 3.2 SVM算法 | 第22-26页 |
| 3.2.1 SVM算法优势 | 第23页 |
| 3.2.2 SVR算法 | 第23-26页 |
| 3.3 基于SVR算法的回归预测模型 | 第26-29页 |
| 3.3.1 模型输入量与输出量 | 第26-27页 |
| 3.3.2 输入量数据的归一化 | 第27页 |
| 3.3.3 核函数类型的选择 | 第27-28页 |
| 3.3.4 参数寻优 | 第28-29页 |
| 3.3.5 预测模型的评价 | 第29页 |
| 3.4 实例分析 | 第29-39页 |
| 3.4.1 LIBSVM工具箱 | 第29-30页 |
| 3.4.2 实例应用分析 | 第30-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 基于风能利用系数的叶桨吸能分析 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 风能利用系数C_p | 第41-42页 |
| 4.3 机组运行区域与运行状态 | 第42-43页 |
| 4.4 机组变速控制策略下的C_p | 第43-44页 |
| 4.5 叶桨吸能分析判断模型 | 第44-45页 |
| 4.6 实例分析 | 第45-48页 |
| 4.6.1 风电场一机组验证 | 第45-46页 |
| 4.6.2 风电场二机组验证 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第5章 基于集合经验模态分解的机组塔架振动分析 | 第49-57页 |
| 5.1 引言 | 第49页 |
| 5.2 塔架振动信号特点及EEMD | 第49-53页 |
| 5.2.1 塔架振动原信号特征 | 第49-50页 |
| 5.2.2 经验模态分解 | 第50-52页 |
| 5.2.3 集合经验模态分解 | 第52-53页 |
| 5.3 实例分析 | 第53-56页 |
| 5.3.1 风电场二机组验证 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 不同判断方法的相互验证 | 第57-60页 |
| 6.1 风电场一的机组 | 第57页 |
| 6.2 风电场二的机组 | 第57-59页 |
| 6.2.1 风电场二机组的间接验证 | 第58-59页 |
| 6.3 叶桨结冰的辨识方法 | 第59页 |
| 6.4 本章小结 | 第59-60页 |
| 第7章 结论与展望 | 第60-62页 |
| 7.1 结论 | 第60-61页 |
| 7.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士期间发表的论文及其他成果 | 第66-67页 |
| 致谢 | 第67页 |
