辽宁大唐国际新能源有限公司 辽宁沈阳 110166
摘要：风电机组状态监测数据具有量大、复杂、多源、异构、增长迅速的电力大数据特点。通过规划建设国际一流风电大数据中心，建立标准化、企业级数据接入体系，开展企业运营监控工作、大数据分析工作，为企业经营管理提供决策支撑服务。
关键词：风电；大数据；电力
随着大规模风电机组的投入运行，由于风电场选址的特殊性以及负荷的不稳定性$不少机组都出现了运行故障，极大地影响了风电场的安全性和经济效益。因此，对风电机组进行状态监测和故障诊断就显得尤为重要。大数据技术在电力系统状态监测领域的研究与应用还处于起步阶段。本文为解决电力数据分析系统在大数据时代面临的严重的性能与可伸缩性瓶颈，更好地满足生产、营销等系统的需求，分析了云计算技术的优势，提出了基于云计算的电力大数据分析系统体系结构及关键技术。
1 技术简介
本文给出基于大数据技术的风电机组故障诊断与预警的模型结构，以风电机组中故障率较高的齿轮箱故障诊断与预警为例，该模型具有以下几个特点：（1）全体：收集和分析风电机组运行数据而不是样本数据；（2）混杂：因为是全样本，不可避免地要处理不同风电机组、不同类型的异构数据；（3）注重相关关系和效率：在故障诊断与预警环节中；（4）采用数据挖掘方法得出是否故障，是什么故障，并且在合理精确性的前提下利用并行计算技术实现快速的预警，该模型的关键大数据技术包括利用Hadoop平台高效处理流数据，利用Storm平台存储海量状态监测数据，利用适合迭代计算的基于内存计算的Spark平台，并行批量处理数据，实现相关电力设备的故障诊断和预警。
2构建模型
2.1处理流程
首先要确定基础数据即为风机参数，通过建立模型，运用大数据技术可以得出输出数据——齿轮箱压力值G。计算得出mse后将其转换为ewma，并据此作为分析的依据。处理流程示意图如图1、2所示。
4结论
大数据为智能电网的发展注入新的活力，掌握电力大数据的关键技术对电力行业的可持续发展和坚强智能电网的建立具有重要意义。随着大唐电力发电规模的不断扩大，传统管理模式的局限性日益显现，通过大数据技术使风电场日常管理及分析变得更精准及时，将成为大唐电力从一流规模向一流企业效益、一流的企业管理目标发展的一大助力。
参考文献：
[1]曲朝阳，陈帅，杨帆，朱莉.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，2014，08：67-71.
[2]张东霞，苗新，刘丽萍，等．智能电网大数据技术发展研究[J]．中国电机工程学报，2015，35（1）：2-12．
[3]李佳玮，郝悍勇，李宁辉.电网企业大数据技术应用研究[J].电力信息与通信技术，2014，12：20-25.
[4]中国电机工程学会信息化专委会5中国电力大数据发展白皮书[R].2013
论文作者:张海超
论文发表刊物:《基层建设》2018年第18期
论文发表时间:2018/7/20
标签：数据论文; 风电论文; 机组论文; 技术论文; 电力论文; 齿轮箱论文; 大唐论文; 《基层建设》2018年第18期论文;