1、“.....本文主要研究的是将大数据的人工智能应用到风电机组的和管理上,利用视频人脸识别智能安全帽智能防无人机巡检等智能化技术与设备,实现设备人身安全风险的识别判别及预警,实现风电场智能化安全管理通过机组智能启停系统智能报警系统加强对机组的预控管控能力,提高风能利用率,实现风电场智能化经济运行通过建立性能等级评价模型,结合故障诊断大数据预警对每台风电机组进行健康管理,从而提高机组的设备可利用率,实现风电场智能化设备检修。实现从单功能智能化向安全运行检修等全方位协同智能化的转变,最终使风电场具有自分析自诊断自驱优自恢复自学习的能力,达到安全风险有控制,启停管理有计划,故测子系统利用无人机巡检视频监视人脸识别指纹识别车量定位等智能技术,对风电场的升压站箱变风机杆塔等安全生产重点区域进行监视监测和预警,并将视频信息图像信息传回到远程集控中心进行影像识别,掌握现场设备的运行动态......”。

2、“.....防止突发性安全事故的发生。摘要数据挖掘人工智能等技术与风电场建设的融合,是风电可持续发展的有力保障和必然趋势。通过建立远程集中控制中心,开发远程集中控制系统,实现统协调控制公司所有风电机组开发基于云计算的大数据平台,实现对机组数据的深度挖掘分析。本文主要研究的是将大数据的人工智能应用到风电机组的和管理上,利用视频人脸识别智能安全帽智能防无人机巡检等智能化技术与设备,实现设备人身安全风险的识别判别及预警,实现风电场智能化安全管理通过机组智能启停系统智能报警系统加强对机组的预控管控能力,提高风能利用率,实现风电场智能化经济运行通过建立步骤如图所示。表机组性能评价表利用变权模糊评估模型,低于风机性能风险进行评级和评分,用数据来反映机组性能状况,并将设备性能分为个等级,计算机组性能风险情况,得到机组性能等级评价得分,按照风机性能等级不同,执行相应的措施。如表......”。

3、“.....决策树算法神经网络算法的准确度是根据召回率来计算结果来判断。召回率为提取出的正确信息条数与样本中的信息条数的比值,被正确地划分为正例的个数,即实际为正例且被分类器划分为正例的实例数被地划分为负例的个数,即实际为正例但被分类器划分为负例的实例数。例如实现启停且应该启停的次数为,未实现启停但是应该启停的次数为,则启停判定的召回率。对数损失函数用来估量模型的预测值与真实值的不致程度。是个软的分类准确率度量方法,使用概率来表示其所属义报警是根据设备运行特点和关联关系,结合自学习历史数据等因素的种逻辑报警。自定义报警对于单个元件所设定的判定值般小于传统意义上元件的阈值,能够提前预判出机组原件的故障,自定义报警可以有效的从系统的角度保护风电机组。例如风电机组在额定风速以下时桨距角通常为额定值度左右,而机组功率通常小于额定功率,即发电机转速小于额定转速......”。

4、“.....设定当桨距角度发电机转速的逻辑表达式,当两个逻辑表达式同时满足时即总做逻辑表达式结果为真时,在变桨系统桨距角和发电机转速均低于阈值的情况下同样触发报警。这样很好的结合了系统各部件联合运行特征保护了机组。风电机组不同部件测点达多个,通过分析现场风况及机组运行特征,在独立部件未达到部件报警阈值的情况下,提前进行报警,有效的保护了机组运行的安全性。关于智能化风电场建设的探索与实践原稿。正向学习过程针对关于智能化风电场建设的探索与实践原稿职工队伍建设全面强化集成生产实时数据分析设备运行性能分析设备状态诊断故障记录设备图像信息等数据内容,为生产维护人员提供培训基础资料,通过培训和实践大幅度提升人才队伍素质。参考文献张峰,陈丽琳,风电场智能化系统方案探讨山西电力行舟,陈永华,大型集群风电有功智能控制系统控制策略电力系统自动化杨天时......”。

5、“.....刘德顺,戴巨川,胡燕平等现代大型风电机组现状与发展趋势中国机械工程,童超,基于数据挖掘方法的风电机组状态监测研究华北电力大学,根据召回率来计算结果来判断。召回率为提取出的正确信息条数与样本中的信息条数的比值,被正确地划分为正例的个数,即实际为正例且被分类器划分为正例的实例数被地划分为负例的个数,即实际为正例但被分类器划分为负例的实例数。智能报警系统目前,大多数风电场的报警系统采用的是风机厂家系统报警,只能对风电机组传感器能检测到的少数设备作故障报警,远远无法满足风电场整体报警需求。智能报警系统基于大数据平台,利用数据挖掘技术,实现风电场设备故障精准预测,不仅把设备故障信息及时准确传达到远程中心,而且要对设备报警等级故障程度做出智能分析,为停机维护提供决策依据。提高缺陷和故障的响应速度,减少风电场设备报警的误报和漏报......”。

6、“.....分析决策过程智能报警系统通过服务器获取机组状态监测数据,利用大数据处理平台进行数据处理并实性地制定运维和检修方案,可将故障消除在前期状态中。专家知识库是实现状态检修的智慧核心,它是个具有大量的风电机组专业知识与经验的程序系统,采用决策树神经网络算法来全面挖掘各种风机数据,利用知识的获取分类储存检索应用等功能进行推理和判断,模拟人类检修专家的决策过程,对检修维护的最佳时机标准工艺以及备品备件管理等制订制定详细具体严格的处理措施,形成风电机组由事后事中维护向事前预防性维护的转变,有效降低检修成本,提高设备可利用率,实现风电场的智能化设备检修。经济效益全面提高实现场站智能化,现场运行无人化,设备检修状态化,全面减少公司人员成本,提升公司经济效益安全性能全面提升通过场站安全作业安全人员安全的全方位管理和跟踪,实现场站设备人员安全风险管控,安全隐患全面降低......”。

7、“.....全面提高设备的可靠性检等多种智能化手段来对安全生产中存在的现场作业风险设备风险环境风险等进行辨识评估和预控,实现风电场智能化安全管理。图智能安全管控平台结构图智能安全管控平台主要分为安全监测作业管理两个子系统安全监测子系统利用无人机巡检视频监视人脸识别指纹识别车量定位等智能技术,对风电场的升压站箱变风机杆塔等安全生产重点区域进行监视监测和预警,并将视频信息图像信息传回到远程集控中心进行影像识别,掌握现场设备的运行动态,对前方操作人员实时远程安全监督和监护,防止突发性安全事故的发生。正向学习过程针对每个样例从输入层开始正向学习,计算隐含层的输入和输出,求得输出层的实际输出。通过与期望输出比较计算出误差和总误差,若总误差满足要求,则跳出循环,否则进行下步......”。

8、“.....例如发电机轴温,有功功率,风速等为输入层神经元,所需预测的发电机前后轴温和齿轮箱轴温等故障等过程的可视化管理,以及数据报表机组性能等统管理,已经将风电场运行维护工作的各环节打通。目前,风电场建设在广泛采用现代数字信息处理和通信技术基础上,集成大数据分析数据挖掘人工智能等技术,利用工业技术和管理手段,精确感知生产数据优化生产过程,减少人工干预,通过自分析自诊断自管理自驱优自恢复自学习自提升增加安全生产经济运行及设备检修等方面的智能处理能力,最终构建高效节能安全可靠的智能化风电场。基础建设设备基础利用工业全覆盖风机视频智能安全帽智能巡检管理智能无人机等智能化手段及硬件设备,以提高工作效率降低工作强度,为实现场站管理的现代化和智能化奠定了基础。网络传输基础场站和集控中心的数据传输采用宁夏电网专用光纤电力通道,在符合电网横向隔离和纵向加密次安全防护的基础上......”。

9、“.....达到区域公司远程直控的目的。例如实现启停且应该启停的次数为,未实现特征为输出层神经元。各个神经元互相联系,主要通过正向传播输入信号并反向传播输出层的误差进行工作图神经网络结构图变权模糊评价模型风电机组性能等级评估就是在分析风电机组性能风险因素的基础上,建立评价模型,对风电机组性能等级得分进行估计,可以在综合评估中突出单风险大小对整体评估的影响,更加客观反映实际情况。动态变权模糊评价模型主要包括两个部分运用动态定权的理论确定风电机组性能等级评估指标的权重图变权模糊模型评估步骤然后根据指标间的相互关系对权重进行了修正,得到变权模型评估模型,其步骤如图所示。表机组性能评价表利用变权模糊评估模型,低于风机性能风险进行评级和评分,用数据来反映机组性能状况,并将设备性能分为个等级,计算机组性能风险情况,得到机组性能等级评价得分,按照风机性能等级不同,执行相应的措施。如表......”。