大数据处理技术在风电机组齿轮箱故障诊断与预警中的应用

摘要风能有着很多的优点，在改善我国能源结构方面有着非常大的作用。本文包括五部分，第一部分进行概述，第二部分论述风电机组故障诊断和预警模型设计，第三部分论述基于大数据技术的齿轮箱故障诊断和预警方法实现，第四部分论述实验结果研究，第五部分进行总结。

关键词风电机组；故障诊断；故障预警

以主流大数据技术的风电机组故障诊断和预警模型为基础，利用storm实时处理状态监测流信息，提取故障诊断以及预警特点。

1 概论

随着大规模风电机组的投入运行，因为风电场选址的特殊性和负荷的不稳定性，很多机组都出现了故障，使得风电场的安全性受到了影响，所以对风电机组进行状态监测以及故诊断是相当关键的。不同厂家生产的风电机组会使采集的数据类型等出现差异。怎样通过风电机组状态监测大数据进行快速、有效的故障诊断和预警是新的课题。

大数据技术在电力体系监测领域还处于起步阶段，本文给出基于大数据技术的风电机组故障诊断和预警的模型结构，这个模型有着下面几个特点：第一，全体，收集和研究风电机组运行数据而不是样本数据。第二，混杂：由于是全样本，不可避免地要处理不同风电机组、不同种类的异构数据。第三，注重相关关系和效率，在故障诊断和预警环节中，使用数据挖掘方法找出故障，并在科学精确性的条件下利用并行计算技术实现快速的预警[1]。

2 风电机组故障诊断和预警模型设计

2.1 模型框架

基于大数据存储和处理的需要，本文基于X86集群，运用分布式技术，提出了融合各种相关异构状态检测数据的风电机组故障诊断和预警模型，模型架构见图1，主要由数据采集整合、数据存儲等模块组成。

数据来源有数据采集和监控系统、地理信息系统、项目管理信息系统，以及各种特殊传感器等业务系统的生产运行管理数据，除此之外，还有针对本文具体应用的各种故障知识库。这些数据来源不一，模态各异，形成了海量异构电力大数据。

2.2 齿轮箱故障诊断和预警运行流程

作为风机传动系统的关键组成部分，齿轮箱是风电机组中故障率较高的部