论文部分内容阅读
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。