大数据分析技术在风电设备异常预测中的应用

摘要：

针对风电机组运行工况复杂多变,机组状态监测数据量大、多源、复杂、增长迅速等特点,现有的异常预测方法在面对大数据时难以既保证预测精度又进行快速处理,故提出了结合Hadoop批处理技术和BP神经网络的风电机组在线异常预测模型,对设备状态信息进行异常预测.实验结果显示,该异常预测方法在保证精度的前提下具有较好的加速效果,可以为风电场维护人员提供重要的参考信息.

关键词：风电机组、异常预测、Hadoop批处理、BP神经网络

所属期刊栏目：13

分类号：TP18(自动化基础理论)

资助基金：国家科技支撑计划课题2015BAF22B00:面向石化冶金行业流程生产过程的工艺软件与知识库研发;上海市信息化发展专项201403028:面向钢铁工业节能减排的加热炉大数据分析与优化平台;上海市信息化发展专项201501046:EMC项目远程智能监控中心关键技术研究与建设

在线出版日期：2017-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：245-247