大数据技术在风电机组状态监测中的应用_吴胜峰.pdf

Application 创新应用358 电子技术 第 52 卷 第 5 期（总第 558 期）2023 年 5 月的真实性，尽可能避免机组误判，也需要让技术人员能够对数据分析结果开展专业评估，对风电机组的真实状态监测结果来进行反馈，并将分析结果中存在的失准数据以及误差数据进行剔除，实现有用资源的挖掘，利用可靠信息内容来对风电机组的运行效果进行分析。如果技术人员通过评估发现风电机组中存在异常状态，就需要第一时间安排维修人员抵达实地进行设备检查，进一步明确故障问题，以此来进行针对性的设备异常故障问题的维修，为检修养护工作效率带来有效保障。2 风电机组状态监测模型的结构组成数据采集层。数据采集层是整个风电机组状态监测系统的基础，能够根据风电机组的实际运行情况以及来对其各方面数据进行采集，从而为后续的数据储存、分析以及应用带来基本条件保证。一般来说，数据采集的主要对象可以分为内部以及外部这两方面。内部数据指的是风电机组中各个模块的运行参数，例如温度、振动、能量转换等方面的数据信息；而外部数据则是影响风电机组运行状态的外部因素相关数据，例如天气数据、地理信息等。此外，数据采集层中的硬件设备主要分布在风电机组内部以及风电场周边环境之中，利用其传感功能来进行各项信息的收集，并在本层进行信息数据的初步处理，将其中的重复数据以及无效数据进行清除，以此来节约储存空间，降低数据传输压力。数据储存层。数据储存层的储存介质主要0 引言风电机组作为将风能转化为电能的关键设备，其内部组成较为复杂，因此需要使用大数据处理技术来实时获取状态参数，实现动态化监管效果，为其发电效率以及使用寿命带来有效保障。1 基于大数据技术的风电机组状态监测流程海量数据的采集。风电机组在处于运行状态时会产生海量的实时数据，而大数据处理技术的应用，就可以通过在风电机组内容部的数据监测采集装置来获取大量的动态数据，实现数据的有效采集，例如轴承温度、风轮转速、设备振动等都是数据采集阶段的关键点。而在获取风电机组的实时数据之后，还可以利用内置的传输模块来将这些采集到的数据统一打包，并发送给相应的控制中心，将数据信息储存到大数据库之中，为后续的数据汇总分析与挖掘评估提供关键的资源素材。数据汇总与分析。大数据库中储存的数据体量极为庞大，包含了风电机组中不同采集部位与采集时间的数据信息，因此为了能够保证数据利用价值，尽可能降低系统运算的工作压力，就需要将数据库内部中的信息资源进行合理分类，按照相应指标来进行科学数据划分，而技术人员就可以按照这一标准来掌握风电机组的运行状态，并通过数据横向对比的方式来观察风电机组状态的变化情况。数据评估与挖掘。数据分析结果是开展风电机组运行管理的重要依据，不仅需要保证其分析结果作者简介：吴胜峰，中电华创(苏州)电力技术研究有限公司；研究方向：风电场运维管理。收稿日期：2023-01-11；修回日期：2023-05-12。摘要：阐述基于大数据技术的风电机组状态监测流程，风电机组状态监测模型的结构组成，大数据处理技术在风电机组状态监测中的应用，包括数据的采集、数据评估与挖掘。关键词：大数据技术，状态监测，数据采集，数据评估。中图分类号：TP311.13，TM315文章编号：1000-0755(2023)05-0358-02文献引用格式：吴胜峰.大数据技术在风电机组状态监测中的应用J.电子技术,2023,52(05):358-359.大数据技术在风电机组状态监测中的应用吴胜峰（中电华创(苏州)电力技术研究有限公司，江苏 224237）Abstract This paper describes the wind turbine condition monitoring process based on big data technology,the structure of wind turbine condition monitoring model,and the application of big data processing technology in wind turbine condition monitoring,including data collection,data evaluation and mining.Index Terms big data technology,condition monitoring,data collection,data evaluation.Application of Big Data Technology in Wind Turbine Condition MonitoringWU Shengfeng(Huachuang(Suzhou)Electric Power Technology Research Co.,Ltd.,Jiangsu 224237,China.)Application 创新应用电子技术 第 52 卷 第 5 期（总第 558 期）2023 年 5 月 359以Hive以及HBase这两种数据库最为常见，前者的主要功能是提供类sql查询，让sql语句能够于MapReduce作业之间形成有效的转译，从而保证sql语句能够在Hadoop中执行相应操作，并实现大批量数据处理的效果。而而后者是基于HDFS的分布式储存系统，与上述的Hive的运行功能有着较大的差异，具备较强的伸缩性与可靠性的性能，服务器可以在HBase的功能支持下能够搭建出大规模结构化储存集群。但总而言之，这两种储存介质都能够保证高容错率以及高吞吐量的效果，大大提升了数据信息的储存量以及精准性。数据分析层。数据分析层中的已经完成训练的BP神经网络预测模型能够结合大数据分析技术，对当地的天气数据、数据信息以及SCADA状态监测数据进行分析，以此来对风电机组设备的异常状态进行精准预测，为风电机组的正常运行带来有效保障。在以往的BP神经网络训练方法中往往会因为内存不足的问题而导致训练无法进展，或者消耗时长过多等问题，导致海量信息的处理效率与精准度难以得到保障。因此可以利用云计算平台，让BP神经网络能够与MapReduce框架相结合，实现运行模式的有效优化，保证数据分析层的训练样本能够批量进行，提升BP神经网络预测模型的运行速度以及精准程度。数据应用层。根据数据分析层的结果来进行指令信息的发布，利用自动系统以及人工手动的方式，来对风电机组前端中的电气设备进行控制，让其能够做出相应动作。此外，技术人员也需要将分析结果与数据库内部储存的风电机组的预设状态参数信息进行对比，一旦发现了故障问题就可以利用回溯异常数据的方式来精准找出产生异常数据的设备，帮助技术人员确定维修检查的目标，及时处理风电机组中存在的异常问题。此外，数据应用层也具备信息反馈的功能，在处理后能够及时获取相应位置的状态参数，而技术人员就可以以此来对故障问题进行诊断与排查，在风电机组的运行效果恢复正常时就需要技术人员将本次处理进行记录，生成日志来将其一并保留在数据库之中。3 大数据处理技术在风电机组状态监测中的应用制定风电机组维修方案。电能作为社会生产与人民生活的重要能源，随着我国社会建设规模的不断提升，各行业对于电力能源的需求量越来越高，对于风电场而言，其发电任务量也在逐步提升，风电机组经常会因为运行超负荷的长期影响，从而导致风险机组使用寿命受到不利影响，经常会发生机组运行故障。因此为了能够保障风电机组运行效果的平稳性以及效率性，就需要风电场能够定期进行机组的维修工作。但是由于风电机组内部结构组成过于复杂，元件以及设备的数量以及种类极为繁多，人工检修工作不仅需要耗费大量的时间，且工作效率低下，经常会因为疏忽而导致隐蔽的安全隐患难以发现。而大数据处理技术的应用就能够针对风电机组的各个部位的运行参数进行精准获取，设备管理人员就可以对其数据进行直观观察与计算，对风电机组的运行状态进行有效监测，之后技术人员结合监测信息来制定出行之有效的风电机组维修方案，不仅能够有效改善人工检修工作的问题，也能够降低故障问题发生概率，最大程度保证风电场发电效率与安全稳定性。风电机组故障的应对措施。风电机组在运行过程中经常会因为突发性问题而引发异常故障问题，是技术人员需要解决的重要问题，在发生风电机组故障问题时，首先就需要利用状态监测来尽快确定故障问题以及具体为止，利用状态监测数据来分析出故障问题的发生原因，为后续的故障检修工作带来便利。而大数据处理技术就可以对风电机组的运行情况来实现实时监督，并进行同步反馈，其运行数据发生异常时就可以自动进行警报，对技术人员进行提醒，从而避免故障问题的严重化。此外，大数据处理技术也能够为技术人员计算出有效维修途径，为实际的检修工作带来可靠建议，为风电机组的故障问题进行有效排除，明确其故障维修技术操作的各方面要点，为风电机组的正常运行带来全面保障。4 结语随着大数据技术的逐步发展，能够对风电机组的整体运行状态进行实时监控，并对其异常故障问题进行有效反馈，并进行及时警报，帮助技术人员能够对风电机组的详细情况进行全面掌握，保证风电机组的运行安全稳定的同时，也能够推动我国风电领域的未来发展，因此风电场需要加强先进技术的应用，结合当前信息技术的发展来加强技术研究与应用，为我国的可持续发展带来有效保障。参考文献1 朱伟刚.大数据处理技术在风电机组状态监测中的运用J.科学技术创新,2020(11):67-68.2 梁涛,许琰,李燕超,杨改文.大数据处理技术在风电机组状态监测中的应用J.水力发电,2019,45(08):107-110+125.3 赵梦露,胡睿.试论大数据技术在风电机组运行状态监测评估中的应用J.电子世界,2018(09):196.4 刘祥雄,胡德聪,吴磊.基于大数据平台的智慧风电集控建设解决方案J.能源科技,2021,19(06):41-43+75.5 肖凯,刘鹏,车建峰,刘镇京.基于电力大数据平台的海量风电数据处理架构与应用研究J.电力信息与通信技术,2017,15(07):13-19.