项目背景

风力发电作为新能源产业技术之一，已得到社会各方面的全面认可。但是由于自然环境和负荷不稳定等因素，导致风电机组在使用过程中，机组部件会逐渐磨损和腐蚀、断裂，最终引起故障而停机或者大部件损坏。从而进行风电机组性能劣化预警，及时掌握部件损坏情况，在机组部件进入故障前，进行隐患排查、修理及更换，是提升风力发电的安全性和经济性的必要手段。

问题与挑战

1、不能忽视的时序。风机机组性能劣化是一个具有时间跨度的现象，无法依据单点检测判定是否发生劣化，需要综合一段时间内的机组运行数据分析机组在一段时间内是否发生劣化。如图是风速和功率散点图：

2、劣化的强相关联。风机机组劣化是一个动态过程，同一时刻某一劣化现象往往会引起另一劣化现象，所以需要将每一种劣化割裂开进行分析。
3、二维世界的损失。风机机组数据是一段时间内的积累，反应了风速和功率曲线形态上，时间作为第三维数据无法体现，而时间是风电机组性能劣化预警的重要因素。

解决方案

利用机器学习算法，分析与风机劣化的相关的影响因素，构建基于风机功率曲线的劣化分类模型。引入时间平移窗口，将时序考虑进算法模型，分析机组劣化开始和结束时间。

劣化类型预测

引入机器学习算法，分析风机机组不同劣化现象的影响因素，探索风机劣化原因。利用图像处理技术，提取机组功率特性曲线特征，构建分类模型，预测风机机组劣化类型，劣化类型包括离散点离散度大、起点偏移、出现限负荷点、曲线形态异常等。

劣化起止时间

以时间小窗口为切入点，动态分析机组功率特性曲线的变化过程，利用劣化分类模型分析不同时间出现不同类劣化的起止时间。

应用价值

预警风电机组性能劣化

建立风电机组性能劣化预警模型，离线或在线批量预警风电机组性能劣化，分析各类劣化原因，确定劣化发生时间。

保证风电机组可靠运行

准确把握机组的实时运行状态,并对其早期缺陷及时预警,有助于防范机组严重故障的发生。

推动风力发电技术发展

风电场引入风电机组性能劣化预警，保证风电场发电机组安全运行，提升风力发电的安全性和经济性，促进风力发电技术蓬勃发展。