风电机组运行数据中异常值的检测方法
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 课题研究的背景及其意义 | 第12-13页 |
| 1.2 课题研究的目的及意义 | 第13-14页 |
| 1.3 课题的研究现状 | 第14-18页 |
| 1.3.1 数理统计的检测方法 | 第14-15页 |
| 1.3.2 数据挖掘的检测方法 | 第15-16页 |
| 1.3.3 时间序列的检测方法 | 第16-18页 |
| 1.4 本文的主要研究内容和章节安排 | 第18-21页 |
| 第2章 风电机组运行数据的分类 | 第21-26页 |
| 2.1 数据采集系统 | 第21-22页 |
| 2.2 异常数据产生原因 | 第22-23页 |
| 2.3 异常数据分布特征 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于分类多模型的数据预处理方法 | 第26-37页 |
| 3.1 弃风数据处理方法 | 第26-27页 |
| 3.2 离群孤立点数据预处理方法 | 第27-29页 |
| 3.2.1 比恩模型 | 第27页 |
| 3.2.2 四分位模型 | 第27-28页 |
| 3.2.3 辨识离群孤立点方法 | 第28-29页 |
| 3.3 偏差簇数据预处理方法 | 第29-31页 |
| 3.3.1 模糊C均值聚类算法 | 第29-31页 |
| 3.3.2 识别、剔除偏差簇数据 | 第31页 |
| 3.4 异常风速的修正 | 第31-32页 |
| 3.5 仿真分析 | 第32-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第4章 基于贝叶斯后验对数比的检测方法 | 第37-48页 |
| 4.1 提取风速序列异常特征 | 第37-40页 |
| 4.1.1 Adaboost-BP模型 | 第37-38页 |
| 4.1.2 LS-SVM模型 | 第38-39页 |
| 4.1.3 建立风速组合预测模型 | 第39-40页 |
| 4.2 贝叶斯后验对数比辨识准则 | 第40-42页 |
| 4.3 贝叶斯后验比的检测步骤 | 第42-44页 |
| 4.4 算例分析 | 第44-47页 |
| 4.4.1 算例一 | 第44-45页 |
| 4.4.2 算例二 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于异常风速值的自适应检测方法 | 第48-63页 |
| 5.1 ARIMA预测模型 | 第48-49页 |
| 5.2 经验模态分解方法 | 第49-50页 |
| 5.3 隐马尔科夫模型（HMM）分析算法 | 第50-52页 |
| 5.3.1 HMM结构 | 第50-51页 |
| 5.3.2 异常风速值判断准则 | 第51-52页 |
| 5.3.3 自适应参数的设定 | 第52页 |
| 5.4 RBF预测算法 | 第52-54页 |
| 5.4.1 RBF神经网络的结构 | 第52-53页 |
| 5.4.2 RBF神经网络的学习过程 | 第53-54页 |
| 5.5 仿真分析 | 第54-61页 |
| 5.5.1 识别修正异常风速值 | 第55-59页 |
| 5.5.2 剔除识别异常值前后对比分析 | 第59-61页 |
| 5.6 本章小结 | 第61-63页 |
| 结论及展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第70页 |
