声明
致谢
摘要
1.1.1 课题来源
1.1.2 课题研究意义
1.2 国内外研究现状
1.2.1 状态监测技术研究
1.2.2 故障诊断方法研究
1.3 研究现状分析与总结
1.4 本文主要工作
1.4.1 技术路线
1.4.2 研究内容
2.1 引言
2.2 风电机组基础理论
2.3 变桨系统工作原理
2.3.1 变桨系统基本结构
2.3.2 变桨系统工作原理
2.3.3 变桨系统典型故障分析
2.4 风电场级综合监控系统的设计与实现
2.4.1 风电场级综合监控系统
2.4.2 SCADA系统
2.5 基于SCADA数据的风电机组运行状态研究
2.5.1 机组运行状态分析
2.5.2 机组故障状态分析
2.5.3 机组风电功率的特性分析
2.6 本章小结
3 基于SCADA数据的变桨系统状态特征提取方法研究
3.1 引言
3.2 SCADA数据整合
3.2.1 SCADA数据来源
3.2.2 SCADA数据预处理
3.2.3 SCADA状态特征样本构造
3.3 互信息技术研究
3.3.2 互信息特征选择
3.4 ReliefF算法研究
3.4.1 基本算法
3.4.2 ReliefF特征选择
3.5 算法择优
3.5.1 特征评价标准
3.5.2 对比分析
3.6 本章小结
4 基于SVR的变桨系统运行状态评估与预测
4.1 引言
4.2 支持向量回归预测算法原理
4.2.1 SVM算法原理
4.2.2 SVR回归预测原理
4.2.3 SVR算法流程
4.3 基于SVR的变桨系统运行状态建模
4.3.1 模型输入量和输出量
4.3.2 数据归一化
4.3.3 核函数选择
4.3.4 参数寻优
4.3.5 训练与回归预测
4.3.6 与BP神经网络方法对比
4.4 模型验证
4.4.1 滑动窗口残差统计
4.4.2 异常状态数据测试
4.5 本章小结
5 基于SWPSO-SVR的变桨系统运行状态评估与预测
5.1 引言
5.2 基于小世界邻域的粒子群优化算法
5.2.1 粒子群优化算法
5.2.2 小世界邻域的粒子群算法原理
5.2.3 算法仿真研究
5.3 基于SWPSO-SVR的变桨系统运行状态建模
5.3.1 SWPSO-SVR建模流程
5.3.2 参数设置
5.3.3 预测模型
5.3.4 方法对比
5.4 模型有效验证
5.4.1 滑动窗口残差估计
5.4.2 异常运行数据测试
5.5 变桨系统运行状态监测方法工程应用系统设计
5.5.1 系统开发目的
5.5.2 平台开发语言选择
5.5.3 系统功能设计
5.5.4 操作员操作步骤
5.6 本章小结
6.1 论文总结
6.2 展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
学位论文数据集