第01章
风电运维现状与挑战
传统运维模式痛点 · 机器学习变革机遇 · 课程框架与学习路径
入门全景
第02章
风电机组核心部件与故障机理
叶片 · 齿轮箱 · 发电机 · 变桨系统 · 偏航系统 · 常见故障模式
机械故障
第03章
SCADA数据采集与预处理
SCADA架构 · 采集频率与类型 · 数据清洗 · 缺失值/异常值处理 · 标准化
数据预处理
第04章
振动信号分析与特征工程
时域特征(均值/峰值/峭度) · 频域FFT/包络谱 · 小波变换
信号特征
第05章
机器学习基础与模型选择
监督学习(回归/分类) · 无监督学习(聚类/异常检测) · RMSE · F1-score
基础评估
第06章
线性回归与功率曲线建模
风速-功率曲线拟合 · 功率预测 · 残差分析 · 性能退化检测
回归功率
第07章
决策树与随机森林在故障诊断中的应用
特征重要性排序 · 随机森林故障分类 · 模型可解释性
树模型诊断
第08章
支持向量机(SVM)在异常检测中的应用
SVM原理 · 核函数选择 · 单类SVM · 早期故障预警
SVM异常
第09章
K-means聚类与工况划分
工况状态划分 · 聚类可视化 · 不同工况阈值设定
聚类工况
第10章
主成分分析(PCA)与数据降维
PCA原理 · 振动数据降维 · 3D可视化降维结果
降维可视化
第11章
时间序列分析与趋势预测
ARIMA · Prophet · 性能退化趋势预测
时序预测
第12章
LSTM神经网络在剩余寿命预测中的应用
LSTM原理 · 序列数据构建 · 寿命预测评估
LSTM寿命
第13章
卷积神经网络(CNN)在振动信号识别中的应用
一维CNN结构 · 振动信号图像输入 · 故障模式识别
CNN振动
第14章
自编码器(Autoencoder)用于无监督异常检测
自编码器原理 · 重构误差 · 阈值设定
无监督异常
第15章
集成学习方法与模型融合
Bagging · Boosting · Stacking · 多模型融合提升精度
集成融合
第16章
不平衡数据处理与故障样本增强
SMOTE过采样 · 代价敏感学习 · GAN生成故障样本
不平衡增强
第17章
特征选择与重要性评估
过滤法 · 包裹法 · 嵌入法 · SHAP特征解释
特征SHAP
第18章
模型部署与边缘计算
ONNX转换 · TensorRT加速 · 树莓派边缘推理
部署边缘
第19章
实时预警系统设计与实现
滑动窗口 · 动态阈值 · 多级报警机制
预警实时
第20章
基于机器学习的智能运维平台架构
数据中台 · 算法中台 · 业务中台 · 可视化大屏
平台架构
第21章
风电场的集群优化调度
功率预测集群调度 · 尾流效应建模 · 机器学习优化策略
集群调度
第22章
基于强化学习的变桨控制优化
强化学习基础 · 状态/动作空间 · 奖励函数 · 仿真环境
强化学习控制
第23章
数字孪生技术在风电运维中的应用
数字孪生概念 · 高保真模型 · 虚实映射与实时同步
数字孪生同步
第24章
故障树分析与根因定位
故障树构建 · 机器学习根因分析 · 齿轮箱案例
根因故障树
第25章
备件库存优化与预测
故障预测备件需求 · 报童模型 · 经济订货批量
库存优化
第26章
运维策略优化与成本效益分析
预防性/预测性维护 · LCC全生命周期成本优化
策略成本
第27章
海上风电运维的特殊挑战
可达性差 · 盐雾腐蚀 · 海浪载荷 · 水下检测 · ML应对
海上挑战
第28章
联邦学习与数据隐私保护
联邦学习原理 · 横向/纵向联邦 · 风电场数据共享
隐私联邦
第29章
可解释人工智能(XAI)在风电中的应用
LIME · SHAP · 注意力可视化 · 决策透明化
XAI可解释
第30章
未来趋势与前沿技术
大语言模型运维 · 生成式AI维修方案 · 自主巡检机器人 · 元宇宙运维
前沿趋势