| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及其研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 风电机组状态评估研究现状 | 第11-13页 |
| 1.2.2 风电机组的参数辨识研究现状 | 第13页 |
| 1.3 当前需解决的问题 | 第13-14页 |
| 1.4 主要研究方法和内容 | 第14-16页 |
| 第2章 风电机组实际功率曲线影响因素分析 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 风电机组主要监测参量 | 第16-20页 |
| 2.2.1 风电机组的调节方式 | 第17页 |
| 2.2.2 风电机组的运行区间 | 第17-19页 |
| 2.2.3 风电机组SCADA监测参量 | 第19-20页 |
| 2.3 实际运行功率曲线影响因素 | 第20-28页 |
| 2.3.1 多变的外部环境因素 | 第21-25页 |
| 2.3.2 传感器和叶片机械对零问题 | 第25-26页 |
| 2.3.3 关键部件性能下降 | 第26-28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 风电机组功率曲线修正及异常点清理 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 风功率曲线修正 | 第29-33页 |
| 3.2.1 基于能量守恒定律的风速修正 | 第30页 |
| 3.2.2 基于Cp经验公式的风速修正 | 第30-33页 |
| 3.2.3 风功率曲线标准化修正 | 第33页 |
| 3.3 功率曲线异常点清理 | 第33-41页 |
| 3.3.1 常用的功率曲线异常点清理方法 | 第34-35页 |
| 3.3.2 基于标准差增益法的异常点清理 | 第35-38页 |
| 3.3.3 实例验证 | 第38-41页 |
| 3.4 小结 | 第41-43页 |
| 第4章 基于Relief和NSET风电机组状态辨识 | 第43-65页 |
| 4.1 引言 | 第43页 |
| 4.2 基于Relief算法的风电机组状态辨识参数挖掘 | 第43-50页 |
| 4.2.1 Relief算法原理 | 第44页 |
| 4.2.2 基于Relief的状态参量挖掘模型 | 第44-46页 |
| 4.2.3 Relief算法实例验证 | 第46-49页 |
| 4.2.4 基于相似度函数的冗余数据剔除 | 第49-50页 |
| 4.3 基于NSET的风电机组状态量化模型 | 第50-57页 |
| 4.3.1 非线性状态估计建模原理 | 第50-52页 |
| 4.3.2 NSET多参量预测模型 | 第52-54页 |
| 4.3.3 基于NSET的机组多参量预测应用 | 第54-57页 |
| 4.4 基于Relief和NSET风电机组状态辨识 | 第57-61页 |
| 4.4.1 风电机组运行状态辨识体系 | 第57页 |
| 4.4.2 状态辨识方法 | 第57-60页 |
| 4.4.3 状态评估等级 | 第60-61页 |
| 4.5 实例验证 | 第61-64页 |
| 4.6 小结 | 第64-65页 |
| 第5章 结论与展望 | 第65-67页 |
| 5.1 结论 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-72页 |
| 致谢 | 第72页 |
