论文部分内容阅读
摘要：随着当前各个行业的迅猛发展，人们对电力能源的需求进一步增加，所以风电场也随之在数量以及规模上得到扩展。对于风电场的日常运转，应该注重其风电机组的故障诊断及预警情况，以便能够更好的维护电力系统的生产以及运营。要想确保风电机组故障诊断及预警当中数据的精准性与正确性，这就需要对大数据处理技术进行正确的应用，以便能够充分获取风电机组运行情况的有效数据和信息，从而及时获取风电机组故障诊断及预警情况，然后对风电机组实施有计划的维护以及维修。文章对于大数据处理技术在风电机组故障诊断及预警中的应用开展简单的分析，希望能起到一定的参考作用。
关键词：风电机组;故障诊断及预警;大数据处理技术
大数据处理技术在风电机组故障诊断及预警中的应用，能够有效的降低风电机组在运行当中发生故障的频率，提升维修效率，提高风电机组的安全性能，为风电机组的发展打下了坚实的基础。
1.大数据处理技术在风电机组故障诊断及预警中的模型设计
1.1数据的采集与整合
数据的采集与整合过程当中的数据来源主要是通过三个系统，分别是地理信息的相关系统，数据进行采集和监控的相关系统，以及项目管理相关的信息系统。此外，还包含有特殊的一些传感装置的相关系统当中，所形成的各种运行管理信息和故障信息。开展数据的相关采集与整合，通常使用Sqoop以及其他的大数据技术实现相关连接，从而确保系统当中的各个数据独立，然后按照有关的规范开展标准化的相应处理，从而完成对分布式的有关数据库与文件系统进行充分的整合。
1.2数据的存储
数据的存储通常是利用HBase或者是Hive等各种各样分布式的有关的数据库开展存储。通过分布式的相关文件系统，利用其高容错率以及吞吐量的特点，能够更好的达到海量以及多样化的各种数据存储当中的低成本要求，比较适用于storm等的一些数据访问类型的处理形式。一般而言故障诊断及预警当中需要的各类数据能够存储到HBase当中，从而进一步提升对于故障分析的能力。
1.3数据计算
根据现有的各种分类、预测以及关联等数据挖掘算法库，利用GIS、PMIS以及SCADA，同时配合各类监测系统，在以此作为依托，完成对于各种数据的有效整合，然后通过大数据技术实现故障诊断，并达到有效的预警作用。在这个模块当中，一般利用Storm系统的流计算以及MapReduce模型当中的批计算等各种不一样的计算方法进行计算，从而更好的满足各种不同的计算需要。比如，对于那些实时性需求比较高的各种故障诊断方式，例如在线故障诊断可以利用流计算，而离线数据的一些处理可以通过批计算进行解决。MapReduce模型能够广泛运用到各种简单数据的相关计算当中，并通过Spark的有关计算模式，解决MapReduce模式在进行计算过程中出现的各种难题与不足。
1.4数据分析
这个模块在基于数据计算的前提下，获取相关的故障数据信息，然后将这些信息存储到故障知识库当中。利用多种的数据挖掘算法，通过挖掘获取的信息，然后再和故障知识库当中的信息相结合，在完成风电机组设施在线的相关故障诊断及预警，同时还可以取得新类型的故障特征，从而进一步优化特征曲线，以此在算法库当中进一步健全和优化新型的设备故障的相关专用算法。
2. 大数据处理技术在风电机组故障诊断及预警中的应用分析
2.1对风电机组的维修给出适当的方案
为了确保风电机组能够稳定运转，就需要定期进行风电机组的维护以及检修，可是由于风电机组当中的组件较为复杂，元件以及设备数量也比较的多，进行人工检修不但耗时长，而且还不容易查出隐患问题，所以利用大数据处理技术，可以方便、高效的掌握风电机组各个位置当中的真实运行参数，帮助工作人员更好的对设备真实的运转状态开展有效的监测，按照监测信息开展相应的维护工作，从而有效的防止了故障的发生。
2.2为风电机组处理故障
当风电机组发生故障以后，怎样迅速的处理和明确发生故障的位置以及原因，是工作人员面临的一个重要问题，而大数据处理技术可以为故障的处理提供很好的便利。第一，大数据处理技术可以有效的对风电机组工作的情况开展及时的监督与反馈，如果风电机组当中的运行参数发生故障，这时系统就将自动报警，从而引起相关工作人员的重视，如此就能够在发生事故以前及时的通过有效措施，避免将故障扩大。第二，利用大数据的合理分析运算，能够给予工作人员有效的维修建议，对于故障排查以及风电机组的正常运转具有十分重要的意义。利用大数据处理技术，提高设备的健康运转情况，提升安全运行水平，降低设备发生故障的频次，从而确保生产工作能够安全稳定的开展。
结束语：
风能是一类可再生的清洁型能源，其在经济效益方面有着十分明显的优势，风能是当前发展比较快的一种新型的发电方式。由于当前对于碳减排越来越重视，我们国家的风力发电也得到了迅猛的发展。同时，由于风电机组随着使用时间的增长，其中各种故障的发生率也会随之增加，因此通过大数据处理技术对于风电机组运转情况开展监测，能够更好的对风电机组开展故障诊断及预警，以便有计划的进行维护以及维修。大数据处理技术在风电机组故障诊断及预警中的应用，能够让工作人员及时掌握机组运转情况，并且能够实现有针对性的进行设备维护，这对于降低突发故障以及提升设备运用率有着非常重要的作用和现实意义。
参考文献
[1]薛禹胜，赖业宁.大能源思维与大数据思维的融合（一）大数据与电力大数据[J].电力系统自动化，2016，40（1）：1-8.
[2]周国亮，朱永利，王桂兰，等.实时大数据处理技术在状态监测领域中的应用[J].电工技术学报，2014，29（S1）：432-437.
[3]曲朝阳，陈帅，杨帆，等.基于云计算技术的电力大数据预处理属性约简方法[J].电力系统自动化，2014，38（8）：67-71.
[4]钱进，苗夺谦，张泽华，等.MapReduce框架下并行知识约簡算法模型研究[J].计算机科学与探索，2013，7（1）：35-45.
作者简介：马燕妮（1992.12-）女，汉族，甘肃酒泉人，学士，助理工程师。
关键词：风电机组;故障诊断及预警;大数据处理技术
大数据处理技术在风电机组故障诊断及预警中的应用，能够有效的降低风电机组在运行当中发生故障的频率，提升维修效率，提高风电机组的安全性能，为风电机组的发展打下了坚实的基础。
1.大数据处理技术在风电机组故障诊断及预警中的模型设计
1.1数据的采集与整合
数据的采集与整合过程当中的数据来源主要是通过三个系统，分别是地理信息的相关系统，数据进行采集和监控的相关系统，以及项目管理相关的信息系统。此外，还包含有特殊的一些传感装置的相关系统当中，所形成的各种运行管理信息和故障信息。开展数据的相关采集与整合，通常使用Sqoop以及其他的大数据技术实现相关连接，从而确保系统当中的各个数据独立，然后按照有关的规范开展标准化的相应处理，从而完成对分布式的有关数据库与文件系统进行充分的整合。
1.2数据的存储
数据的存储通常是利用HBase或者是Hive等各种各样分布式的有关的数据库开展存储。通过分布式的相关文件系统，利用其高容错率以及吞吐量的特点，能够更好的达到海量以及多样化的各种数据存储当中的低成本要求，比较适用于storm等的一些数据访问类型的处理形式。一般而言故障诊断及预警当中需要的各类数据能够存储到HBase当中，从而进一步提升对于故障分析的能力。
1.3数据计算
根据现有的各种分类、预测以及关联等数据挖掘算法库，利用GIS、PMIS以及SCADA，同时配合各类监测系统，在以此作为依托，完成对于各种数据的有效整合，然后通过大数据技术实现故障诊断，并达到有效的预警作用。在这个模块当中，一般利用Storm系统的流计算以及MapReduce模型当中的批计算等各种不一样的计算方法进行计算，从而更好的满足各种不同的计算需要。比如，对于那些实时性需求比较高的各种故障诊断方式，例如在线故障诊断可以利用流计算，而离线数据的一些处理可以通过批计算进行解决。MapReduce模型能够广泛运用到各种简单数据的相关计算当中，并通过Spark的有关计算模式，解决MapReduce模式在进行计算过程中出现的各种难题与不足。
1.4数据分析
这个模块在基于数据计算的前提下，获取相关的故障数据信息，然后将这些信息存储到故障知识库当中。利用多种的数据挖掘算法，通过挖掘获取的信息，然后再和故障知识库当中的信息相结合，在完成风电机组设施在线的相关故障诊断及预警，同时还可以取得新类型的故障特征，从而进一步优化特征曲线，以此在算法库当中进一步健全和优化新型的设备故障的相关专用算法。
2. 大数据处理技术在风电机组故障诊断及预警中的应用分析
2.1对风电机组的维修给出适当的方案
为了确保风电机组能够稳定运转，就需要定期进行风电机组的维护以及检修，可是由于风电机组当中的组件较为复杂，元件以及设备数量也比较的多，进行人工检修不但耗时长，而且还不容易查出隐患问题，所以利用大数据处理技术，可以方便、高效的掌握风电机组各个位置当中的真实运行参数，帮助工作人员更好的对设备真实的运转状态开展有效的监测，按照监测信息开展相应的维护工作，从而有效的防止了故障的发生。
2.2为风电机组处理故障
当风电机组发生故障以后，怎样迅速的处理和明确发生故障的位置以及原因，是工作人员面临的一个重要问题，而大数据处理技术可以为故障的处理提供很好的便利。第一，大数据处理技术可以有效的对风电机组工作的情况开展及时的监督与反馈，如果风电机组当中的运行参数发生故障，这时系统就将自动报警，从而引起相关工作人员的重视，如此就能够在发生事故以前及时的通过有效措施，避免将故障扩大。第二，利用大数据的合理分析运算，能够给予工作人员有效的维修建议，对于故障排查以及风电机组的正常运转具有十分重要的意义。利用大数据处理技术，提高设备的健康运转情况，提升安全运行水平，降低设备发生故障的频次，从而确保生产工作能够安全稳定的开展。
结束语：
风能是一类可再生的清洁型能源，其在经济效益方面有着十分明显的优势，风能是当前发展比较快的一种新型的发电方式。由于当前对于碳减排越来越重视，我们国家的风力发电也得到了迅猛的发展。同时，由于风电机组随着使用时间的增长，其中各种故障的发生率也会随之增加，因此通过大数据处理技术对于风电机组运转情况开展监测，能够更好的对风电机组开展故障诊断及预警，以便有计划的进行维护以及维修。大数据处理技术在风电机组故障诊断及预警中的应用，能够让工作人员及时掌握机组运转情况，并且能够实现有针对性的进行设备维护，这对于降低突发故障以及提升设备运用率有着非常重要的作用和现实意义。
参考文献
[1]薛禹胜，赖业宁.大能源思维与大数据思维的融合（一）大数据与电力大数据[J].电力系统自动化，2016，40（1）：1-8.
[2]周国亮，朱永利，王桂兰，等.实时大数据处理技术在状态监测领域中的应用[J].电工技术学报，2014，29（S1）：432-437.
[3]曲朝阳，陈帅，杨帆，等.基于云计算技术的电力大数据预处理属性约简方法[J].电力系统自动化，2014，38（8）：67-71.
[4]钱进，苗夺谦，张泽华，等.MapReduce框架下并行知识约簡算法模型研究[J].计算机科学与探索，2013，7（1）：35-45.
作者简介：马燕妮（1992.12-）女，汉族，甘肃酒泉人，学士，助理工程师。