摘要：现代风电系统作为社会经济发展的重要力量，不仅为人们正常生活提供了便利，而且对城市基础建设起到了积极的促进作用。大部分风电机组运行的工作环境恶劣，加之风速、风向具有较高的不稳定性与不确定性，因此风电机组主要运行在交变负载作用状态中，很容易发生部件损坏问题。同时由于风电机组所在的地区相对偏远，相应增加了检修的困难程度。因此为了不断提高风电企业的设备运行水平和质量，需要对其存在的问题进行分析和解决，大数据时代下，为企业带来更加智能化和创新化的风电机组故障诊断方法和措施。
关键词：大数据；决策分析；风电机组；故障诊断
随着能源日趋低碳化发展趋势，清洁能源发电近几年呈现加速发展，风能作为清洁能源在改善我国能源结构方面发挥着重要的作用。由于风力发电选址的特殊性以及负荷的不稳定性，随着风电机组的大规模投入运行，不少机组都出现了运行故障，极大地影响了风力发电的经济效益和应用推广。近几年，国内外对于风电机组故障诊断已经开展了很多研究，使得其计算时效性和预测准确率大大提升。
1大数据技术对于风电机组故障诊断的影响
1.1强大数据的存储和管理能力
风电机组故障诊断中的数据总量和种类众多，因此对于故障数据的处理平台需要具备相应的数据管理能力和数据分析能力。传统的数据存储容量有限，并且存储状态受外部影响因素较大，时常出现数据丢失、数据排列失序等情况，因此对风电机组故障进行诊断和分析的实际操作具有较高的要求和困难。大数据分析技术能够在虚拟化技术的支持下，将大量混乱无序的资源分门别类地进行归集和识别，并且受外部影响因素影响效果较小，具有相对稳定的状态。工作人员在实际操作过程中只需进行简单指令的输入，就可实现对风电机组故障诊断信息数据的快速获取。随着现代科技的发展，大数据分析技术变得更加智能化和专业化，为风电机组设备的发展提供了更多的功能。
1.2快速高效的计算分析能力
分析速度和解读效率是衡量一项数据挖掘与分析能力的关键指标，针对风电机组故障诊断来说，对其众多的诊断数据进行计算需要花费大量的时间、人力、物力及财力，对风电企业正常运行造成经济负担。大数据分析技术通过智能化的并行计算模式，能有效地节约经济成本，提高诊断数据计算的效率，满足对风电机组故障诊断大数据分析和应用的需求。
1.3易于动态扩展
过去的风电机组故障诊断数据分析平台的工作人员需要通过及时更新换代核心部件，才能提升整体设备的数据分析能力。并且这种提升效果对时间、空间以及技术发展等条件限制较高，需要风电企业进行大量的经济投入。大数据时代下，风电企业不受限于设备和硬件等条件的参数限制，从理论上说，大数据计算没有空间限制，可以进行无限扩展，并且不需要对原有的设备进行更换，只需要根据实际风电机组故障诊断需求增加相关设备。这种动态化的扩展能够帮助风电企业节约风电机组故障诊断的经济投入，提高创新效率，使风电机组的运行价值大大提升。
2大数据风电机组故障诊断系统设计
2.1系统架构设计
大数据技术是一个开源分布式基础计算平台，为风电机组故障诊断海量数据提供了存储，实现资源管理和任务调度。大数据技术运行时，通过大数据平台从风电场管理系统导入海量监测数据，数据经无关属性剔除、冗余及遗失数据预处理后，存储到大数据技术分布式文件系统。作为数据源服务器大数据技术平台给分类预测引擎提供运算数据输入、预测算法调用及运算结果存储。
数据加载及存储模块首先从分布式文件系统中读取数据，进行降维处理后，利用领域知识最大化缩减算法的时间复杂度，有效提高预测结果的准确性。
2.2预测引擎设计
大数据分类技术的任务是通过分析训练样本集，获得描述和区分类别的模型，利用该模型预测待分类样本的类别。大数据决策树分类算法是数据挖掘中的一种分类算法，可同时处理连续属性及分类属性数据集，没有复杂参数估计且分类规则易于理解，在分类预测领域有着非常广泛地应用。
2.3故障诊断流程及实验结果分析
大数据系统运行时首先从风电场管理系统导入历史样本数据，通过决策树分类预测引擎，生成分类规则并提取各类故障特征曲线。风机运转时，大数据技术分类预测引擎实时提取运行状态特征，并与已提取的故障特征曲线进行动态比较匹配，输出预测结果，同时不断对故障特征曲线进行修正。
实践表明，变频器温度变化除了依赖于外界环境温度外，还与发电机转速、有功功率、瞬时风速等因素存在多种关联，变频器低温故障为风电机组多发故障。因此，进行风电机组故障诊断模型训练和测试时，样本数据训练集和测试集按3:2随机划分。模型训练完成后，将监测数据作为输入对象，对训练模型进行测试，并与其实测值进行对比分析，实现对风电机组运行故障的预测识别。
3提高风电机组故障诊断效果的措施和建议
3.1运用现代化诊断技术，建立故障诊断数据库
??为了对风电机组的故障进行及时且专业的诊断，应该尽可能地应用现代化诊断技术，并建立出专业的故障诊断数据库，为风电机组运行过程中及时解决各项故障问题提供依据。由于信息技术和互联网技术的不断发展，新设备的应用与引入，使得整个风电机组的运行和维护工作变得更加复杂，故障诊断数据库的建设，能够在最短时间内寻找故障的发生原因并提出解决方案，有利于高效快速地建立起故障应对措施，帮助工作人员更好地完成风电机组的运行管理工作。除此之外，随着故障诊断数据库资料的不断增加和系统的不断完善，会更精准的瞄准故障原因，快速解决问题，还能有助于维护人员更准确地把握风电机组故障的维护状况，降低工作风险系数。通过后台庞大的计算机系统为工作人员解决线路故障提供多种方法，提高问题解决的效率和准确性。
3.2定时检修，加强预防措施
许多大故障的出现往往是由于小故障的不断堆积或小故障解决不彻底造成的。因此，在风电机组日常的检修过程中，维修人员要尽可能地发现问题，找到问题的源头，还要尽可能地重视小故障，认真仔细检查问题所在，将可能出现的故障或者危险扼杀在摇篮里，尽可能地避免在同一位置同一区域再次发生同样的故障。除故障问题的排查和检修之外，对风电机组正常运行部分也要定期检修和维护，认真排查巡检，不仅要对风电损耗进行检查，还要对危险系数较高或损耗程度较严重的风电机组部位进行深入检修，及时更换耗损零件，杜绝危险故障的发生。
4结语
综上所述，风电机组的稳定工作与其故障解决和诊断程度息息相关。所以，风电企业要不断地对风电机组的故障类型和安全问题进行检查、总结、剖析，根据问题原因归纳并提出正确合理的改善措施，使风电机组的整体建设和管理更加的顺利。通过大数据技术，能够对风机监测数据进行模型训练，并对风电机组多发故障、变频器低温故障等进行测试验证，有效预测识别风电机组运行故障。
参考文献：
[1]段震清.基于大数据分析的风电机组运行状态评估及故障诊断[D].2018.
[2]陈伟.基于大数据分析的风电机组运行状态监测方法研究[J].湖北农机化,2019(16).
[3]李秋佳.基于大数据建模分析的风电机组运行状态评估方法[D].2019.
[4]赵晓明,孙希德.基于大数据的风电设备远程故障监测与诊断系统研究[J].电力大数据,2019,022(004):P.22-29.