| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题的研究背景和意义 | 第8-9页 |
| ·国内外的研究动态 | 第9-13页 |
| ·基于 CMS 的监测方法 | 第9-11页 |
| ·基于 SCADA 系统的监测方法 | 第11-12页 |
| ·研究现状总结 | 第12-13页 |
| ·论文的工作安排 | 第13-15页 |
| 第2章 风电机组及其 SCADA 系统分析 | 第15-22页 |
| ·风电机组简介 | 第15-17页 |
| ·SCADA 系统分析 | 第17-21页 |
| ·SCADA 系统简介 | 第17-19页 |
| ·SCADA 系统监控性能分析 | 第19页 |
| ·监测项目相关性分析 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 大型风电机组运行状态在线评估方法 | 第22-40页 |
| ·在线评估方法 | 第22-24页 |
| ·在线评估方法概述 | 第22页 |
| ·在线评估方法的流程 | 第22-24页 |
| ·支持向量回归理论 | 第24-29页 |
| ·统计学习理论 | 第24-25页 |
| ·SVM 算法的优势 | 第25页 |
| ·SVM 在回归领域的应用 | 第25-28页 |
| ·SVR 算法的流程图 | 第28-29页 |
| ·基于 SVR 算法的回归预测模型 | 第29-33页 |
| ·确定模型输入量和输出量 | 第30-31页 |
| ·选择核函数 | 第31页 |
| ·参数寻优 | 第31-33页 |
| ·训练模型和验证模型 | 第33页 |
| ·实验分析 | 第33-39页 |
| ·软件以及相关程序 | 第33-36页 |
| ·实例验证 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 大型风电机组故障定位方法研究 | 第40-72页 |
| ·基本思路 | 第40-42页 |
| ·基于 SCADA 监测项目的风电机组拓扑结构生成 | 第42-57页 |
| ·风电机组整机的拓扑结构生成 | 第42-44页 |
| ·子系统的拓扑结构分析 | 第44-57页 |
| ·节点异常的判定准则 | 第57-63页 |
| ·“绝对异常”的判定 | 第57页 |
| ·“相对异常”的判定 | 第57-63页 |
| ·控制系统的故障定位 | 第63页 |
| ·实验分析 | 第63-71页 |
| ·针对 SCADA 系统报警的故障定位 | 第63-64页 |
| ·针对回归预测模型报警的故障定位 | 第64-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| ·全文总结 | 第72页 |
| ·工作展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第78页 |