![](https://csdnimg.cn/release/download_crawler_static/87082210/bg1.jpg)
摘 要:受复杂多变的运行工况影响,风电机组存在状态监测数据量大、类
型多样及复杂多源等特点。风电机组状态监测大数据影响下,现有的异常预测方
法存在一定不足。基于此,简单分析了风电机组异常预测中的大数据分析技术应
用,并探讨了基于大数据分析技术的风电机组异常预测模型体系,最终通过仿真
及测试证明了该体系的实用性。
作为一种无污染的可再生能源,风能因其巨大的蕴藏量受到了世界各国的广
泛重视。但随着风电的大规模发展,风电场运维工作量也随之快速增加,已有技
术手段不能全面支撑风电机组大部件异常状态的早期发现及有效识别。为了提升
风电场运维效率,本文利用大数据的采集和统计分析技术,对机组各种运行状态
进行分析评估,得出机组各个零部件运行过程中的劣化趋势,自动对风电机组未
来可能出现的异常情况提前做出预警,引导风电场运维人员开展预防性维护,降
低机组故障损失。
在大数据时代下,各个行业均发展得越来越快。在迅速发展中,会产生大量
的数据。为了充分发挥数据的作用,便应注意分析、计算数据。而通过大数据分
析专业技术,便可以从各个行业内部收集并存储下来的数据出发,按照各自的行
业特征,以切实适合的方法,来科学地展开分析,并辅助提出正确决策。大数据
分析指的就是一个基于数据,来整理、转换、建模的整个过程,主要旨在找出有
助于业务决策的信息。通过数据分析专业技术的应用,可提取出海量数据内的有
用信息,并基于数据分析结果正确做出决策。相较于传统数据,大数据表现出很
明显的数据量大、迅速响应、种类丰富多样、不易识别、价值高及密度低等方面