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

• 作者: 张少敏 毛冬 王保义
• 来源期刊: 电力系统自动化
• 关键词: 风电机组 故障诊断 故障预警 弹性分布式数据集 内存批处理 流数据处理
• 年，卷（期）: 2016,（14）
• 所属期刊栏目: 信息通信技术及应用
• 页码范围: 129-134
• 页数: 6页
• 字数: 5993字
• 语种: 中文
• DOI: 10.7500/AEPS20160316013

摘要

风电机组状态监测数据具有量大、多源、异构、复杂、增长迅速的电力大数据特点。现有的故障诊断与预警方法在处理大数据时难以在保证精度情况下进行快速处理，故提出了结合 Storm 实时流数据处理和 Spark 内存批处理技术的风电机组在线故障诊断与预警模型。以齿轮箱故障诊断与预警为例阐释该模型，引入了 Storm 处理状态监测数据流，设计了流数据处理的 Topology 结构；引入 Spark ，利用弹性分布式数据集（RDD）编程模型实现了朴素贝叶斯（NB）算法和反向传播（BP）算法对设备状态信息进行故障诊断与预测。实验结果显示，该故障诊断与预测方法在保证精度的前提下具有较好的加速比，也证明了该故障诊断与预警模型的有效性和可行性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王保义	华北电力大学控制与计算机工程学院	59	973	16.0	29.0
2	张少敏	华北电力大学控制与计算机工程学院	51	750	15.0	26.0
3	毛冬	华北电力大学控制与计算机工程学院	1	73	1.0	1.0