声明
插图索引
附表索引
第1章 绪 论
1.1 课题的研究背景及意义
1.2 课题的研究现状
1.2.1数理统计的识别方法
1.2.2基于学习方法的数据识别方法
1.2.3基于密度和距离的数据识别方法
1.3本文的主要研究内容
第2章 风电机组的异常数据
2.1 风力发电机工作特性
2.2 风电风速与功率的关系
2.3 风电机组异常数据分类及其产生原因
2.4 本章小结
第3章 风电机组风速异常数据识别方法
3.1 风速时间序列模型
3.1.1 ARIMA模型
3.1.2 模型定阶
3.1.3 参数估计
3.2 异常风速特征的提取
3.2.1 小波变换
3.2.2 基于小波变换的异常风速特征提取
3.3 隐马尔科夫模型识别方法
3.3.1马尔科夫链
3.3.2 隐马尔科夫结构
3.3.3 Viterbi检验方法
3.4 异常风速数据的重构方法
3.5 RBF预测算法
3.5.1 RBF神经网络的结构
3.5.2 RBF神经网络的工作原理
3.6 算例分析
3.6.1 异常值识别与分析
3.6.2 误差分析
3.7 本章小结
第4章 基于Copula理论风电机组异常数据识别方法
4.1 Copula理论概述
4.1.1 Copula函数及其类型
4.1.2 Copula理论的相关性度量
4.1.3 Copula函数的参数估计
4.1.4 模型评价
4.2异常数据识别过程
4.2.1 异常数据识别原理
4.2.2 异常数据特征分析
4.2.3 异常数据识别准则
4.3 算例分析
4.3.1 Copula函数选择
4.3.2 实测数据异常数据识别
4.3.3 人工生成异常数据识别
4.4本章小结
结论及展望
参考文献
致谢
附录A 攻读学位期间所发表的学术论文目录
兰州理工大学;