风电运维在线监测平台
算法层、应用层规划方案
一、需求分析
由于风电机组安装在高山、荒野、海滩、海岛等风口处，受无规律的变向变负荷的风力作用以及强阵风的冲击，常年经受酷暑严寒和极端温差的影响，使得风电机组故障频发。据资料显示，20年间欧美风电行业中机组容量为1MW的风力发电机组，其总投资的65～90都消耗在运行、维护上，非计划停机又用去了其中的75。而中国的风电设备的维护损耗更是惊人，甚至有一大批的风力发电机的正常累计工作时间都不超过l000小时。齿轮箱、发电机、叶片引起的故障是风电机组故障的主要原因，其中齿轮箱的故障发生率在逐年增高，故障百分比已超过60，是机组中故障发生率最高的部件。
风电企业通过增加风机状态监测和故障诊断的技术，能够：1有效地发现事故隐患并实现快速准确的系统维护保障机组安全运行，降
低风机至少80以上的故障率，使企业避免非计划停机和安全事故。2充分利用零件的潜力，避免过度维修、减少能源损耗。以常见的15MW
风机为例，齿轮箱用润滑油约为300kg，由于检修麻烦，往往2000h以上才检修一次，为了避免风机损坏一般润滑油未完全利用就被更换润掉，每台风机润滑油利用率至少能够提高10。
二、系统设计
在感知层、网络层、数据层的基础上构建算法层、应用层，应用机器学习算法对设备运行大数据进行数据挖掘，建立专家知识库，获得与故障有关的诊断规则，实现集设备健康状态在线监测、远程监控、远程诊断、故障匹配识别为一体的智能、高效监测诊断模式。
目标：相比于当前主要集中于少量的机械故障，大量可能的故障需要一个相
f对综合的监测方法。理想情况下，应该能够监测风机的所有主要系统，并能检测到相关的故障。
三、应用层
应用层由三个模块组成：数据可视化、监测分析、故障诊断。一数据可视化
1每台风电机基础指标展示指标：风速、发电机转速、叶轮转速、实际功率、油温、齿轮箱油温、轴承温度、机舱温度、功率、频率、电压等。2每台风电机关键部件物理量指标展示：关键部件：齿轮箱、轴、发电机、风轮、机舱。指标：振动、噪声、扭矩、温度、油液、应变速度等。3每台风电机关键部件状态指标展示：指标：报警次数、维修次数、备件库存、使用年限等。二监测分析对电机主要状态参数进行实时的监测，以实现判断电机运行状态是否良好。1监测参数振动监测（振值、振动方向、谱分析……轴心轨迹）、温度、噪声、油液、性能（风量、风压、功率……）2报警机r