| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 传统信号处理方法 | 第12-13页 |
| 1.2.2 统计分析方法 | 第13-14页 |
| 1.2.3 异常检测方法 | 第14-15页 |
| 1.2.4 风电机组状态监测 | 第15-17页 |
| 1.3 论文主要研究内容 | 第17-18页 |
| 第2章 风电机组运行状态异常检测系统概述 | 第18-26页 |
| 2.1 风电机组运行状态异常检测系统整体结构 | 第18-20页 |
| 2.2 风电机组运行状态异常检测系统部署 | 第20-23页 |
| 2.2.1 风电机组运行状态异常检测系统底层监测 | 第20-22页 |
| 2.2.2 风电机组运行状态异常检测系统上位机软件介绍 | 第22-23页 |
| 2.3 双馈异步式风电机组常见故障 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 风电机组运行状态异常检测建模方法 | 第26-46页 |
| 3.1 建模数据预处理 | 第26-33页 |
| 3.1.1 数据筛选 | 第28-29页 |
| 3.1.2 数据清洗 | 第29-31页 |
| 3.1.3 选取变量 | 第31-32页 |
| 3.1.4 数据标准化 | 第32-33页 |
| 3.2 自组织映射算法 | 第33-35页 |
| 3.3 支持向量机回归算法 | 第35-44页 |
| 3.3.1 支持向量机回归算法概述 | 第35-37页 |
| 3.3.2 序贯优化算法 | 第37-42页 |
| 3.3.3 支持向量机回归算法仿真验证 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 异常检测模型构建 | 第46-59页 |
| 4.1 构建健康模型数据库 | 第46-48页 |
| 4.2 系统检测流程与实时报警触发规则 | 第48-52页 |
| 4.3 算法验证 | 第52-57页 |
| 4.3.1 风电机组运行状态异常检测模型实例验证 | 第52-55页 |
| 4.3.2 风电机组运行状态异常检测系统验证 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第5章 算法比较与分析 | 第59-67页 |
| 5.1 K-Means聚类方法 | 第59-60页 |
| 5.2 非线性状态估计方法 | 第60-62页 |
| 5.3 Parzen窗估计方法 | 第62-63页 |
| 5.4 算法结果分析 | 第63-65页 |
| 5.4.1 算法精度分析 | 第63-65页 |
| 5.4.2 算法效率分析 | 第65页 |
| 5.5 本章小结 | 第65-67页 |
| 结论与展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第74页 |