随着智慧风场的建设、风机智能化水平的提高以及风电场装机容量的增加,分布在风机上的传感器越来越多,其长期监测的数据量愈发庞大,构成风电监测大数据。然而传统单机健康监测系统难以及时处理对监测大数据的有效存储和高效计算问题;在构建风电健康监测预警模型时多采用单一或少量监测数据进行分析,不能够充分挖掘风电监测大数据间的潜在有效价值,模型精度和鲁棒性较差;此外,传统单机健康监测系统难以满足大数据下风场高效管理和智能运维的需求。大数据作为驱动新一轮技术革命的关键力量,其重要价值日益凸显,因此,本文以风电齿轮箱为研究对象,开展基于大数据驱动的风电齿轮箱智能健康监测系统的研究,利用大数据技术的分布式存储和并行计算能力,构建大数据驱动的高精度、强鲁棒性的智能健康监测分析模型,对解决传统健康监测系统的诸多问题具有重要的工程价值和实际意义。本文主要研究工作如下:总体设计了基于大数据驱动的风电齿轮箱智能健康监测系统。在对系统进行了需求分析之上,设计了系统的总体架构。介绍了风电大数据源,分析了风电SCADA大数据以及CMS大数据的数据结构特征。同时对系统的后台功能层,即系统采集层、系统存储层以及系统计算层进行了设计与选型,为后续系统集成及应用提供重要依据与支撑。研究了大数据驱动的风电齿轮箱智能健康监测分析方法。在对系统分析层进行功能设计的基础之上,重点提出了基于深度变分自编码网络融合SCADA数据的风电齿轮箱故障预警方法,结合高斯分布理论的阈值评判准则,能够有效增强风电齿轮箱故障预警的鲁棒性。以及设计了基于CMS大数据的分析方法,通过进行有效的时频域特征指标提取,结合滑动窗口平均分析,能够有效实现风电齿轮箱的状态趋势分析,并结合实测数据进行了方法验证。进行了大数据驱动的风电齿轮箱智能健康监测系统的集成开发与应用。在对系统应用层进行设计的基础之上,对系统后端环境进行了部署,分别搭建了HDFS分布式文件存储系统、Hive数据仓库与Spark分布式计算引擎等,为风电大数据的有效存储与快速计算提供保障。通过系统前端可视化开发,实现了模型分析结果的呈现与展示。