01
风电功率预测概述
定义、意义、主要挑战：间歇性、波动性、随机性
基础概念
02
异常数据来源分析
传感器故障、通信中断、采集系统错误、环境干扰
传感器通信
03
异常数据分类
缺失值、异常值、重复数据、时间戳错乱、死值
分类死值
04
数据预处理基础
数据清洗流程、质量评估指标：完整性/准确性/一致性/时效性
预处理质量
05
缺失值处理策略
删除法、均值/中位数/众数插补、前向/后向填充、线性插值、KNN
插补KNN
06
异常值检测方法（统计篇）
3σ原则、箱线图IQR、Z-Score、修正Z-Score
统计IQR
07
异常值检测方法（机器学习篇）
孤立森林、LOF、DBSCAN、One-Class SVM
ML孤立森林
08
异常值检测方法（深度学习篇）
自编码器、LSTM残差分析、GANomaly
深度学习AE
09
死值与恒值检测
方差阈值法、滑动窗口标准差、基于变化率检测
死值方差
10
时间戳异常处理
缺失/重复/跳变修复、重采样对齐
时间戳重采样
11
重复数据去重
基于时间戳精确去重、基于相似度模糊去重（欧氏/DTW）
去重DTW
12
数据平滑与滤波
移动平均、指数加权、中值滤波、Savitzky-Golay
滤波平滑
13
数据归一化与标准化
Min-Max、Z-Score、RobustScaler、风电特定缩放
归一化Robust
14
特征工程基础
时间特征、滑动统计、频域特征FFT
特征FFT
15
基于规则引擎的异常检测
功率曲线异常、变化率阈值、功率限值规则
规则功率曲线
16
基于物理模型的异常检测
理论功率曲线CP残差、NREL模型
物理模型CP
17
多风机关联分析
相邻风机对比、机舱vs测风塔、尾流效应识别
关联尾流
18
异常检测系统架构
实时流处理 vs 离线批处理、Kafka+Flink/Spark
架构流处理
19
异常处理策略
修正、标记、剔除、告警触发运维工单
策略告警
20
基于预测模型的异常处理
历史正常数据训练、残差判断、预测值修正
预测残差
21
模型评估与验证
混淆矩阵、精确率/召回率/F1、ROC/AUC、交叉验证
评估AUC
22
案例实战（一）孤立森林
基于Scikit-learn的风电功率异常检测
实战孤立森林
23
案例实战（二）自编码器
TensorFlow/PyTorch 无监督异常检测
实战自编码器
24
案例实战（三）LSTM残差检测
时序预测与残差异常检测
实战LSTM
25
案例实战（四）功率曲线Bin法
Bin法异常点识别与清洗
实战Bin法
26
数据质量监控看板设计
实时仪表盘、异常事件统计、质量评分卡
看板监控
27
工程化部署与优化
ONNX/PMML序列化、边缘计算、模型轻量化
部署ONNX
28
行业标准与规范
IEC 61400数据质量、电网调度考核指标
标准IEC
29
前沿趋势
联邦学习、数字孪生、大模型时序基础模型
前沿联邦学习
30
课程总结与展望
核心知识点回顾、常见误区、推荐资源与工具链
总结资源