基于Hadoop平台的风机群落故障预警

针对传统风机故障预警中采用设定单一变量恒定阈值的方法容易造成故障误报、不报以及排查时间不足等问题,提出一种在Hadoop平台采用分布式存储并行式计算的方法对整个风场进行分析。首先对SCADA系统历史数据进行分析,采用聚类方法对工况相似的风机进行群落划分。再依据统计学原理,对每一个风机群落里的风机温度类参数进行箱式分布,从而识别离群风机。最后采用显著性差异分析和滑动窗口的方法对离群风机进行分析判断最终确定异常风机。为进一步预测异常风机的变化特性,采用线性回归方法对异常风机建模并进行预测残差分析。结合一定的现场经验,设置合理的预测残差预警阈值实现异常风机的故障预警功能。通过对某大型风场进行试验验证,该方法在故障预警方面有较高的准确率。