我们真的理解风电“大数据”吗？

问题描述：我们真的理解风电“大数据”吗？

领域专家：风电大数据，

风电大数据显示有大量的弃风弃电，不能被积极利用，

这是什么原因造成的，干怎样改善呢？

弃风，主要是风力忽大忽小，时有时无，风向也没准，波动太大，难以供应稳定的用电户。

这就要改进风电机，加入变速箱设计，和蓄电电容设计，平复风电波动。

在电容方面，用一个小的高压电容，做一级电容，把微风升成高压，过二极管进入二级大电容，

对狂风电，自然进入二级大电容，平复为中电压，

然后从二级大电容输出平稳电力，进输电网或当地应用。

还可以用风电抽水，抽水蓄能水库，风电抽水水塔，

用风电电解水生产氢气，氧气，卖罐装氢气氧气，开风电氧吧，

用风电湿法电解废旧铜铁五金，精炼收集“电极砂\"，

利用风电处理废旧电池，

从电网电力消费上讲，电网企业可建大型电容蓄电池电站，吸收存蓄风电，池子大了，波动自然就中和了，

电力干净，可部分回收，可翻新，便于传输，便于利用，还是不错的。

领域专家：

一直在研究风电大数据，我们发展大数据技术真正的意义在于通过专业化的处理挖掘这些数据背后潜在的一些重要信息，而不是过于重视我们掌握的数据到底有多“大”。

风电大数据种类很多，用途也较为广泛，其主要分为风电场选址信息大数据、风电场建设工程大数据、风电机组运维实时大数据以及综上的管理决策大数据。

依照风电大数据技术发展现状，对于风电机组运维实时大数据的处理和挖掘受到了十分广泛的关注，风电机组作为风力发电的运维核心设备，其健康状态无疑是非常重要的。

风电机组依靠SCADA系统（即数据采集与监视控制系统）对其运行状态进行监测和控制，这就类似于，在我们日常活动中，有一个贴身系统随时随地在测量我们人体的各项生命体征，如：体温、血压、体重等等。

就像医生通过观察我们目前的体温，体温和正常体温差的越大，感冒越严重。风电机组运维实时大数据处理从基本原理上也是相似的，只是不同的“病”到底与哪个参数最有关，就需要进一步分析了，具体实施步骤是什么呢？我非常简要地总结一下。

1、数据的收集

我们在处理任何数据的时候，肯定是要事先将数据收集起来，SACDA系统记录和储存了每秒钟或者每分钟风力机的状态数据，我们需要分析哪个时间段的，通过计算机直接调用出来就可以了。

2、数据粗处理

在对数据进行精细挖掘之前，我们要尽可能把一些没有保存完整的时间段数据、或者有明显错误记录的数据从大数据中剔除出去，因为下至几百个，上至千万个数据分析需要大量的步骤和时间，提前去掉无用数据可以提高后续处理效率和精度、节约时间。

3、数据特征提取

在上述基础上，为了找到不同“病”的“病症”，就需要专业的技术了。结合现有的人工智能机器学习、统计概率模型等算法方法对每种状态下的数据特征进行分析，结合历史特征数据进行对比，可以判断风力机目前的健康状态和工作状态。

风电大数据较为复杂，目前还处在一个较为基础的研究阶段，大数据与人工智能的结合必定成为各行各业的趋势，相信多了解这方面的资讯还是很有帮助的。

如果有相关风电大数据方面的问题可以私信或关注我，欢迎交流学习！

领域专家：风电“大数据”真的很“大”！

总的来说，我们能够理解的风电大数据涉及这么几个方面，具体如图所示：

在介绍风电大数据之前，先解释一下大数据的定义；其实直到现在学术界并没有一个准确的定义，高德纳咨询公司的解释是：运用传统手段无法处理和分析的信息；而大数据这个概念的提出者的解释是：大数据针对的不是抽样方法的捷径，而是对所有数据进行分析处理。总的来说，大数据还在发展中，伴随着云平台、云计算、人工智能和数据挖掘等技术。

关于风电大数据只是大数据行业中的一支，虽然传统上数据第一感觉上会觉得是一些数据集，而在了解相关的知识后，可以知道风电大数据真的很大，体现在的多源、高维和多类别等明显特征

如图是风电数据的可视化，他能表征着风电机组的发展历程。