近年来,风电在电力系统中的渗透率不断提高,发挥着不可或缺的作用。风电机组运行过程中产生的海量数据记录着风电机组的实际运行状况,采用数据挖掘和机器学习的方法对这些数据进行数据挖掘很有意义。随着大数据和机器学习技术的迅猛发展,风电大数据研究具有更大的可能性和更广的应用前景。针对风电场运行过程中产生的海量数据的应用问题,本文沿着数据预处理,风电场运行状态可视化,风电场运行数据分析和趋势预测的顺序,对风电场大数据进行了展示、分析和预测。首先介绍了电力大数据的基本构成、发展现状和应用前景,并对风电大数据研究方法和机器学习在大数据分析中的应用进行了分析。其次,从大数据预处理方法出发,介绍了各预处理方法的原理并基于实测数据,采用主成分分析和t-分布邻域嵌入算法,对风电场运行过程中的高维数据进行了降维处理和结果分析。再次,设计和实现了对风电大数据进行统计分析和实时状态监控的可视化系统,通过结合时序数据库InfluxDB和可视化工具Grafana实现了风电场运行状态的认知。最后,搭建了基于长短期记忆网络的风电机运行状态模型,紧接着对风电机网相互作用关联因素进行预测研究,采用Prony算法对其预测结果进行了振荡模块分析,探讨了各种机网相互作用被激发的可能性。