| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 变流器故障类型 | 第9-12页 |
| 1.2.2 变流器故障诊断方法 | 第12-14页 |
| 1.2.3 卡尔曼滤波器在故障诊断中的应用 | 第14-15页 |
| 1.3 论文主要内容 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 风电变流器故障分析 | 第17-26页 |
| 2.1 引言 | 第17-18页 |
| 2.2 永磁直驱风电系统数学模型 | 第18-19页 |
| 2.2.1 PMSG数学模型 | 第18页 |
| 2.2.2 网侧变流器数学模型 | 第18-19页 |
| 2.3 变流器的IGBT开路故障原因及分类 | 第19页 |
| 2.4 风电变流器的故障信号分析 | 第19-25页 |
| 2.4.1 机侧/网侧变流器故障的区别 | 第20-21页 |
| 2.4.2 故障现象 | 第21-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于龙伯格观测器的风电变流器故障诊断 | 第26-42页 |
| 3.1 引言 | 第26页 |
| 3.2 变流器故障诊断原理 | 第26-30页 |
| 3.2.1 自适应阈值 | 第27-28页 |
| 3.2.2 故障检测 | 第28-29页 |
| 3.2.3 故障定位 | 第29-30页 |
| 3.3 基于龙伯格观测器的故障诊断 | 第30-34页 |
| 3.3.1 状态空间方程 | 第30-31页 |
| 3.3.2 龙伯格观测器的稳定性分析及验证 | 第31-33页 |
| 3.3.3 基于龙伯格观测器的故障诊断算法 | 第33-34页 |
| 3.4 仿真实验 | 第34-41页 |
| 3.4.1 阈值和常值选择 | 第35-37页 |
| 3.4.2 实验结果 | 第37-39页 |
| 3.4.3 鲁棒性分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于自适应卡尔曼滤波器的风电变流器故障诊断 | 第42-60页 |
| 4.1 引言 | 第42页 |
| 4.2 噪声分布分析 | 第42-43页 |
| 4.3 卡尔曼滤波算法 | 第43-46页 |
| 4.3.1 卡尔曼滤波算法 | 第44-45页 |
| 4.3.2 卡尔曼滤波算法的特点总结 | 第45-46页 |
| 4.4 基于自适应滤波器的故障诊断 | 第46-51页 |
| 4.4.1 噪声协方差矩阵的常见修正方法 | 第46-49页 |
| 4.4.2 基于自适应卡尔曼滤波的故障诊断算法 | 第49-51页 |
| 4.5 仿真实验 | 第51-55页 |
| 4.5.1 实验结果 | 第52-53页 |
| 4.5.2 鲁棒性分析 | 第53-55页 |
| 4.6 算法性能分析 | 第55-58页 |
| 4.6.1 有效性分析 | 第55页 |
| 4.6.2 估计准确性分析 | 第55-57页 |
| 4.6.3 时间复杂度分析 | 第57-58页 |
| 4.7 本章小结 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |
| A.作者在攻读硕士学位期间参与的科研项目及科研成果： | 第67页 |
| B.作者在攻读学位期间获奖情况： | 第67页 |