基于大数据建模分析的风电机组运行状态评估方法

目录

声明

第1章 绪论

1.1 课题背景及研究的目的和意义

1.2.1 大数据建模分析算法和应用

1.2.2 风电机组状态指标预测

1.2.3 风电机组运行状态评估

1.3 主要存在问题

1.4 本文主要研究内容

第2章 风电机组的状态参数及其相关性分析

2.1 引言

2.2.1 风电机组的结构

2.2.2 SCADA系统的监测量

2.2.3 监测量预处理

2.3 状态指标的相关性分析

2.3.1 随机森林原理

2.3.2 相关性分析结果

2.4 本章小结

第3章 风电机组状态指标预测模型

3.1 引言

3.2 Kriging算法原理

3.3 GRU算法原理

3.4.1 数据标准化处理

3.4.2 Kriging-GRU预测方法

3.5 预测性能评价指标

3.6 实例验证

3.6.1 实验说明与参数设置

3.6.2 仿真结果及对比分析

3.7 本章小结

第4章 风电机组状态评估模型

4.1 状态评估指标的动态劣化度

4.1.1 动态极限的计算

4.1.2 动态劣化度的计算

4.2 风力发电机估计指标的权重

4.2.1 层次分析法确定固定权重

4.2.2 偏互信息法确定变权重

4.2.3 动态权重计算

4.3 标准正态云模型和风电机组的运行状态

4.3.1 正态云模型的基本原理

4.3.2 风电机组的运行状态的划分及其相应模型参数的确定

4.4 基于相似云的状态评估

4.5 基于模糊综合评价的状态评估

4.6 状态评估流程图

4.7 实例验证

4.8 本章小结

第5章 结论与展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢