為實現新能源電站設備故障的“早發現，早治療”，及時發現設備異常，預知設備故障，減少新能源電站設備的故障損失，使發電設備的性能最優化，資源分配合理化，降低度電成本，岳能科技專門推出故障預警產品，為新能源電站設備的安全運行提供保障。
　　
　　故障預警系統通過使用大數據、云計算、物聯網等方式建立預警模型。實現風電場發電機組的設備狀態監測、綜合預警及模型自優化的開發和研究，方便用戶及時掌握、發現機組設備運行缺陷并及時發出告警。
　　
　　系統優勢
　　
　　1） 上下限值預警：不以傳統的固定上下限值為界線，根據實際情況變化動態報警；
　　
　　2） 多變量相關分析：以海量數據為基礎，結合實際環境、運行模式，考察多個維度變量；
　　
　　3） 個性化模型定制：根據每臺設備、每種機型建立模型；
　　
　　4） 預警自優化：根據預警成功概率和預警模型與實際數據的比對，通過自學習的方式，調整并優化模型；
　　
　　5） 預警化的閉環管理：監視-預警-診斷-檢修-運行-監視。 　　
　　1. 模型建立
　　
　　根據設備運行的各個工況進行統計分析，得出不同環境及時間因素下設備運行的正常值，以此搭建設備健康模型。
　　
　　模型包含：運行指數、故障指數、維護指數、油品指數、電氣指數、機械指數、綜合指數，且各指數在模型中所占比重可通過界面進行調整和自由配置。 　　 　　
　　2. 設備實時監測
　　
　　根據設備運行的數據，實時對比設備參數與健康模型，并進行評估打分。按照評分制，每項滿分為100分；可靠性評價可劃分為：差、低、中、良 、優共五種情況。分數低于設定值的進行實時報警。
　　
　　3. 綜合預警
　　
　　1) 故障類檢測預警模塊: 針對風機故障的頻次、風機自檢頻次、控制器類復位后恢復性故障等歷史統計性故障。
　　
　　2) 性能出力類預警模塊: 針對風力出力不足、風機爬坡能力差、風機高負荷運行能力差等性能實時監測預警。]
　　
　　3) 部件損壞頻發性預警模塊: 針對風機常發性的損壞部件進行統計，實時檢測風機相應部件的損壞次數、頻率，對照風機部件的庫存情況，對風機部件的損壞和庫存情況進行結合性預警。 　　 　　 　　
　　4. 模型自優化
　　
　　以歷史預警信息和預警效果評估為基礎，建立一個設備故障預警自優化模型，實現預警參數信息知識庫的優化，從而達到預警信息準確性的不斷提高。