风电大数据—马宇超.pptx

风电大数据 浅谈大数据和数据价值的挖掘,马宇超 2015年8月29日,1、我们使用了多少数据？,风电机组内部有数以百计的故障告警信号，数以千计可直接读取的数据，单个风电场的数据量十分巨大，不能直接获取的数据更是难以计数。,作为风电场业主，我们使用了多少数据？ 作为主机厂，我们有使用了多少数据？ 作为配套厂商，我们使用了多少数据？,小数据时代,大数据时代,信息技术的发展、机器计算能力的提升,样本选择的随机性比样本数量更为重要,做到采样绝对随机性，避免采样困难和干扰,随机采样，用最少的数据获取最多的信息,2、“大数据”和“小数据”的区别是什么？,不随机分析而是采用所有能收集到的数据,3、大数据和云计算有什么关系？,随着信息技术的快速发展，庞大、快速变化和种类繁多的数据，特别是不方便用传统的计算机数据库二维逻辑来表现的非结构性数据（如文档、文本、图片、报表、图像信息等），云计算通过把多个计算实体整合成一个有强大计算能力的系统，快速进行数据存储、分享和挖掘，并可以随时进行分析与计算。,大数据和云计算对应问题和解决问题的办法，通过云计算对大数据进行分析计算，才能挖掘出数据珍藏的价值。,探讨数据价值的挖掘,大数据时代的思维变革,大数据 大改变 浅谈大数据和数据价值的挖掘,大数据时代对风电行业的冲击,大数据 大改变,一、大数据时代的思维变革,一个时代的到来，必然会对前一个时代的认知、思维方式和意识形态造成冲击，我们首先要适应这个时代的给我们的改变。,大数据时代的思维变革,1、尽可能开启“全数据模式”,采样分析让我们看到世界，大数据分析让我们认识世界！ 在不可收集和分析全部数据的情况下，采样分析是一条捷径，以用最小的代价获得最为精确的推断。随机采样也需要严密的安排和严格的执行，而且只能解答事先设定好的问题，永远存在误差的结果羁绊着认知的脚步。 “全数据模式”，采样更为密集、数据分析更为彻底，让我们了解微观细节的信息，探索曾经不能触及的角落，看清迷雾后面的世界。,大数据时代的思维变革,2、向数据的精确性妥协,数据量的大幅增加会造成结果的不准确，这些错误的数据甚至会混入数据库。但是，我们需要妥协并接受他们。,在有限的数据中，细微的误差都会被放大，导致结果出现很大偏差，因此“小数据”要求减少错误保证质量。 因为向数据的精确性妥协，放松了容错的标准，大量数据才得以快速应用。,大数据时代的思维变革,大量数据使我们更容易的得到了更精确的结果，大数据的简单算法比小数据的复杂算法更有效，让我们无法再像以前一样关注数据的精确性，同时，你也无法做到像以前一样精确。,精确只是相对的，今天的误差是为了让明天的结果更为精确。,大数据时代的思维变革,3、相关性成为探索的新方法,大数据时代的相关关系应用，可以帮助我们更容易、准确的进行分析和预测。,通过对大量数据的分析，我们可以直接看到数据之间存在的相关性，而不是像从前一样先找出因果关系，然后再分析对应的数据。因为不受传统思维模式和特定领域隐含的偏见，可以提供给我们更为清晰的视角。,大数据时代的思维变革,大 数 据,实际上，因果关系也是一种特殊的相关关系。在大数据时代，相关关系取代了因果关系，同时推动了因果关系的发展。因果关系的价值将潜藏的更深，当知道“是什么”的时候，“为什么”的价值才会更加凸显。,因果关系的探索，才能让数据的价值得到更充分的挖掘。,大数据 大改变,二、大数据时代对风电行业的冲击,随着社会的进步和科技的发展，特别是一些新兴技术的崛起和应用，会对各行各业都产生巨大的影响。,大数据时代对风电行业的冲击,1、职业的冲击和改变,部分行业专家的光芒和价值可能因为大数据而变得黯淡，公平客观的大数据，让结果更为廉价、迅速和真实的展现在你面前。专家不会消失，只是主导地位发生了改变。,某些方面，再高深难解的过程无非是让我们知道发生或即将发生什么，我只需要知道是什么就够了。 比如：基于振动的机械故障诊断技术。,大数据时代对风电行业的冲击,大数据时代对风电行业的冲击,故障诊断技术已经在风电行业全面应用，但是故障诊断专业素质要求非常高，需要专业软件对采集信号进行分析处理和特征提取，而机组复杂的运行环境对信号的干扰非常大，调制信息无法被可靠提取，解调往往不尽人意。特别是机组选型配置多样，齿轮转速比、轴承固有频率等关键数据往往无法真实有效的获取，自动诊断错误率极高，人工精密诊断往往因数据量少、分析过程繁琐、分析任务繁重等因素，影响了分析结果。 而在大量的数据中，优越的机器计算能力让我们很容易分析和获得一些关键数据，配合转速信号、力矩给定、风速风向冲击、对中数据等一系列可能造成影响的其他数据，我们能准确的掌握设备运行工况。,大数据时代对风电行业的冲击,2、人才的培养,因为相关关系的大量应用，人才的培养可能出现根本性的变化。普通检修和维护人员能够通过设备的各项数据，清楚的知道设备目前处于何种状态，将来会发生什么，但他们仍应的称为专家。 这样几乎可以完全摒弃理论，也无需长时间的经验累积，可以快速有效的提供人力支撑，特别是对于小公司、新企业和存在大量人力缺口的公司，同时也可以通过数据快速建立各项标准和规范。,如何避免问题出现或改善设备运行情况，我们仍然需要对因果关系进行深度挖掘，这时的理论和经验将更为重要，而且随着大数据时代的到来，这类人才将越来越稀缺。,大数据时代对风电行业的冲击,3、谁才是决策者,在大数据时代，“一切皆可以被量化”和相关性分析给我们强有力的支持，让我们判断更为精确，使我们做出更为迅速的判断。但是，作为数据使用者的人，不要被数据所裹挟。,一位检修人员，他的工作效率、工作量、维护记录等数据都可以作为评价这名人员能力的标准，这些数据可以成为晋升的依据，也可以成为个人能力的评判标准。然而，卓越的才华往往不依赖数据。,一台机组运行稳定，数月没有出现过异常数据，就没有维护的必要吗（本月机组火灾的频发，部分表象良好的机组烧毁）？,大数据时代对风电行业的冲击,4、信息安全更为重要,大数据时代不是大企业、大公司的专属，是任何人、任何团体、任何机构都应参与的。单个小规模企业，通过大数据可以迅速提高自己不被淘汰，大企业需要迅速挖掘数据价值来保证自身的竞争力。特别是在信息化和智能化的要求下，信息安全带来的问题更为突出，不止是电网安全。 此前，电力系统调度数据网络能够很好的做到“横向隔离、纵向加密”，然而随着大数据时代到来，隔离难度越来越大，纵向加密的难度越来越大。 大型主机厂商在保护数据信息安全的时候，会不会有垄断存在？,大数据 大改变,三、探讨数据价值的挖掘,数据本身是没有价值的，它体现出来的价值在于我们的挖掘。,探讨数据价值的挖掘,1、预测发电量的提升,通过数据建立风速模型，提前预测风速并进行机组控制，降低湍流影响，防止超速和功率显著下降，同时降低了出力的波动性。,通过机组数据建立八个方向的模型，结合测风塔和风功率预测数据，预测风速波动情况。,探讨数据价值的挖掘,探讨数据价值的挖掘,2、预知维护齿轮箱过滤器滤芯备货,探讨数据价值的挖掘,虽然齿轮箱冷却系统设置了压差传感器来感知过滤器状态，但通过两个压力传感器信号的检测，我们能够更加清晰的了解过滤器状态，提早制定备件计划。但由于压力传感器入口容易被堵塞，现场很少有人使用这些数据，甚至有部分设备取消了过滤器入口处的传感器。,通过液压站的打压动作频次和电磁阀的动作频次，压力可以初步判断液压站运行情况，让我们提前对设备进行计划检修，避免故障停机造成的电量损失。,探讨数据价值的挖掘,3、深度挖掘是否可能,不使用对中仪，