| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 数据清洗 | 第10-13页 |
| 1.2.1 原始数据中存在的问题 | 第11-12页 |
| 1.2.2 数据清洗研究现状 | 第12-13页 |
| 1.2.3 本文研究目的 | 第13页 |
| 1.3 本文的主要研究 | 第13-16页 |
| 第二章 SCADA系统与数据前期处理研究 | 第16-33页 |
| 2.1 SCADA系统 | 第16-19页 |
| 2.1.1 SCADA系统 | 第16页 |
| 2.1.2 SCADA结构分析 | 第16-17页 |
| 2.1.3 系统功能剖析 | 第17-18页 |
| 2.1.4 风电SCADA系统结构设计 | 第18-19页 |
| 2.1.5 监测中心服务软件设计 | 第19页 |
| 2.2 数据源 | 第19-21页 |
| 2.3 数据前期处理 | 第21-23页 |
| 2.3.1 Python开发平台与数据库SQL sever | 第21-22页 |
| 2.3.2 PyQt的回顾 | 第22-23页 |
| 2.4 数据前期处理的研究设计 | 第23-30页 |
| 2.5 数据软件的应用 | 第30-32页 |
| 2.6 小结 | 第32-33页 |
| 第三章 基于定子温度曲线分析常用的清洗算法 | 第33-45页 |
| 3.1 定子温度状态研究 | 第33-34页 |
| 3.1.1 发电机故障与分析 | 第33-34页 |
| 3.1.2 定子温度相关性分析 | 第34页 |
| 3.2 拟合曲线阈值法 | 第34-40页 |
| 3.2.1 算法原理 | 第34-35页 |
| 3.2.2 Fct数据清洗 | 第35-40页 |
| 3.3 领域临近法 | 第40-44页 |
| 3.3.1 方法原理 | 第40-41页 |
| 3.3.2 ANN数据清洗 | 第41-44页 |
| 3.4 小结 | 第44-45页 |
| 第四章 基于最优组方差算法的定子温度状态研究 | 第45-55页 |
| 4.1 基于最优组方差算法的定子温度的探究 | 第45-48页 |
| 4.1.1 最优组方差算法结构与原理 | 第45-46页 |
| 4.1.2 算法分析 | 第46-48页 |
| 4.2 基于OIV数据清洗后的模型测试实验 | 第48-54页 |
| 4.2.1 确定阈值S | 第48-51页 |
| 4.2.2 各种阈值的测试分析 | 第51-54页 |
| 4.3 小结 | 第54-55页 |
| 第五章 改进最优组方差算法的研究与应用 | 第55-72页 |
| 5.1 算法的改进 | 第55-57页 |
| 5.1.1 原算法 | 第55-56页 |
| 5.1.2 改进算法 | 第56-57页 |
| 5.2 给予IOIV定子温度的状态研究 | 第57-64页 |
| 5.2.1 IOIV算法分析 | 第57-60页 |
| 5.2.2 IOIV双阈值的确定及模型测试 | 第60-62页 |
| 5.2.3 OIV和IOIV的比较 | 第62-64页 |
| 5.3 定子温度状态分析与其他研究 | 第64-71页 |
| 5.3.1 IOIV的实验证明 | 第64-67页 |
| 5.3.2 定子温度的状态诊断与预测策略 | 第67-69页 |
| 5.3.3 在其他参数上的运用 | 第69-71页 |
| 5.4 小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 个人简历、攻读硕士学位期间发表的学术论文及研究成果 | 第78页 |