1、隨著風(fēng)電行業(yè)的迅猛發(fā)展，風(fēng)電企業(yè)對(duì)軟件平臺(tái)的需求也逐漸擴(kuò)大。通常風(fēng)電場(chǎng)商只提供風(fēng)機(jī)的基本運(yùn)行信息，這些數(shù)據(jù)無(wú)法滿足風(fēng)電企業(yè)進(jìn)行高質(zhì)量的統(tǒng)計(jì)分析和決策要求。尤其是風(fēng)機(jī)結(jié)構(gòu)越來(lái)越復(fù)雜的情況下，導(dǎo)致風(fēng)機(jī)發(fā)生故障越發(fā)的頻繁和復(fù)雜，由此給風(fēng)機(jī)帶來(lái)昂貴的維護(hù)成本。如何能夠給企業(yè)帶來(lái)經(jīng)濟(jì)效益的最大化，針對(duì)風(fēng)電企業(yè)所面臨的這個(gè)問(wèn)題，本文對(duì)風(fēng)機(jī)故障預(yù)警的應(yīng)用作了以下研究。
　　本文對(duì)風(fēng)電場(chǎng)工業(yè)庫(kù)中兩年的風(fēng)機(jī)故障歷史信息進(jìn)行了分類統(tǒng)計(jì)，根據(jù)故障發(fā)生時(shí)

2、間段的波動(dòng)情況，對(duì)發(fā)生每一個(gè)種類的故障進(jìn)行參數(shù)篩選，并不是所有的參數(shù)波動(dòng)都是比較明顯易區(qū)分的，因此在此基礎(chǔ)上引進(jìn)了決策樹算法，由于決策樹是基于熵的最大化理論對(duì)單一故障分類具有很好的效果，針對(duì)風(fēng)機(jī)發(fā)生不同種類故障的情況下分別對(duì)風(fēng)機(jī)故障進(jìn)行決策樹模型的創(chuàng)建，根據(jù)風(fēng)機(jī)不同種類故障模型的創(chuàng)建過(guò)程中，根據(jù)熵的最大化理論，找出針對(duì)不同種類風(fēng)機(jī)故障中導(dǎo)致熵最大化的參數(shù)，從而進(jìn)一步的優(yōu)化參數(shù)的范圍。針對(duì)實(shí)際情況中，導(dǎo)致風(fēng)機(jī)發(fā)生故障是多類型的，如何高效的

3、針對(duì)多類別進(jìn)行分類，本文采用了基于支持向量機(jī)作為決策的先決條件對(duì)多類別的故障進(jìn)行劃分，并建立了決策樹基于svm的多分類的模型進(jìn)行驗(yàn)證，并且效果比較明顯?；谏鲜鲲L(fēng)機(jī)多分類的模型創(chuàng)建，在此基礎(chǔ)上采用Spring MVC+Mybits的架構(gòu)，對(duì)風(fēng)機(jī)預(yù)警進(jìn)行實(shí)現(xiàn)。
　　最后，本文對(duì)平臺(tái)的適配性進(jìn)行詳細(xì)的研究。分析了不同風(fēng)電場(chǎng)，不同風(fēng)機(jī)的差異，并實(shí)現(xiàn)了適應(yīng)這些差異的方法。此方法已在遼寧，內(nèi)蒙，寧夏三個(gè)風(fēng)電場(chǎng)項(xiàng)目上投入使用，適配性得到了充分