工业控制系统是国家关键基础设施中的重要组成部分,是制造生产、基础设施建设等工程的核心。工业控制系统逐步融入互联网信息开发、共享的特点,形成了工业控制网络。为了满足互联网远程访问的需求,风力发电工控网络需提供外网相关数据服务,这使得风力发电场的安全可能遭受到来自互联网的攻击。故本文展开入侵检测技术在风力发电工控网络通信数据处理中的应用研究,设计并实现以下相关算法和原型系统。为解决工控网络安全要求中的实时性指标问题。首先,利用主成分分析法对原始数据源降维处理,提升数据处理的速度。其次,基于入侵检测技术提出一种自适应粒子群算法优化支持向量机,提高工控网络通信数据中异常数据的检测效果。在粒子群算法的基础上加入自适应变异操作,有效地避免数据训练过程中陷入局部最优,并利用自适应粒子群算法训练得到的最优解作为支持向量机的核函数和惩罚参数。为解决数据分类实现的问题,提出一种结合优化支持向量机与K-means++的算法模型。首先,将密度中心法对K-means算法进行改进,解决初始聚类中心的选择问题。其次,通过已优化的支持向量机一次分类的数据,再利用K-means++算法进行二次分类,提升经典数据集KDD Cup99中五种典型数据类型的检测率。以辽宁营口仙人岛风力发电场工控网络为实际应用背景,在数据集仿真验证的基础上,设计开发由离线训练、在线检测、测试结果可视化展示及实时工况web服务等部分构成的原型系统。仿真实验对比结果表明,本文所提出的算法模型在经典数据集KDD Cup99的检测率和误报率均优于原始方法。原型系统现场实际测试的结果表明,本文所提出的算法模型应用在风力发电工控网络中,能够有效地实现对现场通信数据的入侵检测分析及可视化展示,同时提供互联网访问的实时工况web服务,基本满足风力发电工控网络现场的实际需求。该论文有图32幅,表8个,参考文献58篇。