华电国际宁夏新能源发电有限公司750000
摘要：风力发电作为一种新能源，在发展的过程当中依旧存在着很多不稳定的因素。为了能够保证风力发电机器到可持续运行，仅仅只靠人力维护是远远不够的，对于风力发电机组运行的状态可能会导致的各种情况，应当有更精准的数据挖掘技术进行合理的掌控。本文主要简述风力发电系统当中所用的研究方法，通过数据挖掘技术当中的几种常用的算法与风力发电系统相结合。同时列举出风力发电领域，现如今可靠的数据挖掘方法。以及当前的应用现状，同时，在未来方面也提出了数据挖掘技术可以在风力发电中应用的发展方向。
关键词：风力发电；数据挖掘；故障预警；功率预测
可以维持我们人类生活日常的能源有很多，在这其中有很多资源是属于不可再生能源，哪怕是可再生能源也需要经过几百年甚至几千年的沉淀才可以作为全新的能源。相比那些不可再生能源来说，风能这个可再生能源的产生条件是非常简单的，只不过如何利用好这种能源成为了问题。风力发电的产生就是在这方面逐步进行推进，让风能源逐渐为人们提供生活上的便利。
一，数据挖掘对于风力发电发展的必要性
在目前为止，风力发电的领域当中已经有很多种研究手段以及分析方式。通常都是采用提取振动信号，进行分析以及确定故障形式的方式来进行风电机组的故障诊断。其次就是通过声发射的技术来诊断风力发电可能会发生的故障，在风力发电功率预测方面也有很多方向的研究，有对功率直接进行预测，或者是通过当前时段的风速来进行预测，未来可以为风电机组带来多大的能源。在这些预测方向上面，传统的方法是需要很大人力的，就例如叶尖速比法爬山法等，这些方式都是需要有专业人员进行调控，在很多程度上还会给人员带来一定的危险。学者通过研究，发现风电机组，虽然复杂多变，但是通过模型以及参数的性质则可以御运用庞大的数据进行测量。可以在最大程度上预测风力发电可能出现的问题，以及在未来利用能源的使用情况。于是研究人员开始通过数据挖掘技术，通过风力发电机组进行了海量数据分析。本文将进行叙述数据挖掘当中的概念以及其算法，如何将大数据挖掘技术应用到风电机组当中，以及未来可能会发生的情况进行展望。
数据收集与存储技术他们相互之间是密不可分的，只有通过数据收集才可以产生存储，而存储技术为数据收集提供了良好的保障。通过存储技术可以将数据收集更好的利用，而数据挖掘技术就是在二者前提之中首先产生的一种操作。它结合了传统的数据分析，以及能够处理大量数据的能力，可以将任务分成还未进行的预测性任务，以及已经进行过程当中的描述性任务。
二.数据挖掘应用于预测建模
数据挖掘算法在功率的预测建模当中有着广泛的应用，主要可以通过以下三个方向进行分析。
（1）分类算法
这是一种通过数据训练集的分析研究，并且可以发现分类的规则，从而能够让自身具备预测新数据类型的能力。这个过程当中可以分成两个实用性阶段，在第一阶段当中是将已经知道的模型，以及训练数据集中。通过系统进行多样的学习，从而构建出一个相对来说准确率较为满意的模型，用来描述特定的情况。后一个阶段则是对第一阶段当中已经构建好的模型进行完善，加入可能发生的未知数据，从而对未来进行精准的预测提升模型的科学性。决策树这是分类法当中的一种简单，却较为使用广泛的分类技术，顾名思义，使数据由根节点而出发。如同大树一般，以内部的节点为核心，而层层分支分类，最终将数据分到相应的，属于他们的节点当中。之后每一颗决策树可以形成一个随机森林，这种随机森林可以根据先前的样本检测出来的概率，以及未知情况发生的可能性概率进行具体划分。
（2）聚类分析研究
聚类分析研究是可以把相似的事物归为一类，并且通过静态的分类方式，将相似的对象分成不同的组别或子集，在这些瓷器当中寻找出一些相似的属性以及一些不相似的属性，从而对他们进行更加详细的分类，而且在这其中不同的子集当中的对象也是不同的。
（3）关联分析
关联分析是发掘隐藏在数据当中通过关联规则以及频繁项集的形式进行表现，在发掘隐藏的数据集中有重要的意义，在风力发电应用当中，常见的算法是一种挖掘布尔关联规则，频繁项集的算法。
（4）故障诊断
在早些年的数据挖掘技术的过程当中，在风电机组故障诊断当中的应用还并不是特别的成熟，局限于理论的研究以及正常的模拟。虽然说当时对于仿真模拟的训练准确率高达88.5%，放在以前它的算法相比来说会大大的增加，而现如今随着技术的水平不断提高，整个速度已经有了很大的提升。
三.发电功率预测
对现代变桨调节风力发电组数据进行性能的研究，已经实验到建立了集群中心模糊逻辑，等多种实验方式，研究对象为风机系统的齿轮箱云模型。运用这种先进的方式可以改进粗糙算法以及决策树生成的诊断规则，当中的不确定性。这种诊断的准确率都比较高，不过也容易出现一种明确的物质，这种物质很容易被判断出来，所以这种方式现如今已经被人们广泛的使用。
风力发电机功率的曲线侦测数据是由风速，环境温度以及风向诊断出来的。但是这种环境温度以及风速是由于大自然的环境当中而诊断出来的，这其中夹杂着许多不确定性，对于这种不确定性来说只能通过具体的数据进行预测，无法精准的作出判断。对于这种课题ANFIS算法有着最佳的度量性能，对于这种方式，在异常功率输出检测方面的性能可以有着最佳的表现。对于这个课题的研究方向，应当集中在如何进一步减少预测误差的方差上面。
利用SCADA系统上收集数据，对于这样的数据进行详细的整理，可以对风力发电机上的电刷故障进行早期的预测，在文中使用的领域知识，都可以运用到收集数据当中的分析，有人曾经改进过Apriori关联规则算法，根据机组以及变桨系统的运行机制，从中发掘出了故障之间的联系，从中过滤掉了一些无用的信息，以此种算法提高了运行人员的工作效率。应用优化的bp神经网络，进行系统的训练，从而将这种准确率较高的方式，应用到今后的故障修理当中。通过数据挖掘技术应用在风力发电机组的故障以及预警当中，都有着良好的效果，不仅仅在数据清洗以及预处理特征选择模型实践以及评价上面，有着较好的结果。并且运用到实际的电机当中都可以得到良好的证明。
结束语：
综上所述：本文在宏观的方面，系统的概述了数据挖掘技术的常用算法，将它与国内外的研究人员所提供的文献进行系统的研究，介绍了其数据挖掘在风电应用现状的研究与进展，利用数据技术在保证故障诊断的正确率的基础上，大大的提升了风电机组的故障预测成功率。在故障预测方面提供了有效的预处理以及建模，这些都具有一定的灵活性以及创新性，相信在未来的不久，都可以实际应用到风电的发展，并且可以建立高精度的预测模型。所以说数据挖掘技术在风力发电机组模型的建立方面的应用都有着良好的结果，在新能源的领域上面这种数据挖掘技术会有着更深刻的意义。研究表明这种数据挖掘技术在该领域上面的相关研究呈上升趋势。并且在现实当中已经有了进一步的理论，以及应用的突破。相信在未来研究工作上面都可以挖掘某一环境下的一般模型，将这种预测的模型应用到实际的工作当中。并且用相似的方法来解决下一个问题。
参考文献：
[1]曾文珺,吕丽霞.数据挖掘技术在风力发电中的应用综述[J].仪器仪表用户,2019,26(04):95-99+9.
[2]宿忠娥,祁建宏,效迎春.数据挖掘技术在风力发电机组故障诊断中的应用与研究[J].自动化与仪器仪表,2018(02):13-15.
[3]贾亚雷.分离式尾缘襟翼风力机叶片气动性能分析及优化研究[D].华北电力大学(北京),2017.
[4]刘旭.数据挖掘在风力发电机组故障诊断中的应用[D].中国地质大学(北京),2016.
[5]刘广.数据挖掘在风力发电机组故障诊断中的应用[D].兰州理工大学,2011.木槿2019/7/4星期四上午11:14