01
课程导论与数据基础
风电机组SCADA数据介绍、数据采集与存储、数据质量分析
SCADA入门
02
数据预处理实战
缺失值处理、异常值检测与修正、数据标准化与归一化
清洗归一化
03
特征工程（上）
时域特征提取（均值、方差、峰值等）、频域特征提取（FFT、频谱分析）
时域频域
04
特征工程（下）
特征选择方法（过滤式、包裹式、嵌入式）、特征降维（PCA、t-SNE）
降维选择
05
状态评估模型（上）
基于阈值的状态评估方法、基于统计过程控制（SPC）的评估
阈值SPC
06
状态评估模型（下）
基于聚类（K-means、DBSCAN）的异常检测、基于孤立森林的异常检测
聚类孤立森林
07
趋势预测模型（上）
时间序列基础（平稳性、自相关）、ARIMA模型原理与实战
ARIMA时序
08
趋势预测模型（下）
Prophet模型原理与实战、LSTM模型原理与实战
ProphetLSTM
09
模型评估与部署
模型评估指标（MAE、RMSE、MAPE）、模型持久化与部署
评估部署
10
综合实战案例
基于SCADA数据的风电机组齿轮箱状态评估与预测
齿轮箱实战
11
深入SCADA数据
风速-功率曲线分析与异常识别
功率曲线异常
12
数据清洗进阶
多变量上下文异常值检测
多变量上下文
13
特征工程进阶
基于滑动窗口的统计特征
滑动窗口统计
14
特征工程进阶
基于小波变换的时频域特征
小波时频
15
状态评估进阶
基于高斯混合模型（GMM）的异常检测
GMM异常
16
状态评估进阶
基于单类支持向量机（OCSVM）的异常检测
OCSVM单类
17
趋势预测进阶
多步预测策略（递归、直接、多输出）
多步策略
18
趋势预测进阶
CNN-LSTM混合模型
CNNLSTM
19
模型优化
超参数调优（网格搜索、贝叶斯优化）
调优贝叶斯
20
模型优化
集成学习在预测中的应用（随机森林、XGBoost）
集成XGBoost
22
实战案例
发电机绕组温度预测与预警
发电机绕组
26
实战案例
电网侧异常对机组影响分析
电网影响
27
实战案例
基于多机组对比的异常发现
对比多机组
28
实战案例
模型可解释性（SHAP、LIME）在风电中的应用
SHAPLIME
29
实战案例
模型在线更新与自适应学习
在线自适应
30
课程总结与展望
风电智能化运维的未来趋势
总结趋势