在傳統能源不斷減少的今天，世界各國已經將目光轉到可再生能源的開發上來。風能作為一種綠色清潔的可再生能源，已經引起了我國的廣泛研究和使用。其中，風電機組的健康正常運行一直都是保證風電場盈利水平的主要手段和影響因素。
　　每年因風電機組故障損失的發電量和維護費用都給風電場帶來巨大的經濟損失。從減少故障維護時間和維護成本上來說，一個能夠對風電機組的健康狀態進行評估并且能夠對風電機組故障進行預測的模型是必要的。
　　本文提出的健康模型是以平行空間理論作為本模型理論支撐點，以大數據技術作為建模的技術手段，來創建基于平行空間理論的設備狀態監測模型來提高風電機組運行效率，減少風電機組維護帶來的損失。
　　基于平行空間理論的設備狀態監測模型ECMM
　　由上節可知，本節需要提供一個健康模型來實時檢測風電機組的健康狀況。平行空間又稱平行宇宙，而平行宇宙的概念并不是因為時間旅行悖論提出來的，它是來自量子力學，因為量子力學有一個不確定性，就是量子的不確定性。平行宇宙概念的提出，得益于現代量子力學的科學發現。在20世紀50年代，有的物理學家在觀察量子的時候，發現每次觀察的量子狀態都不相同。而由于宇宙空間的所有物質都是由量子組成，所以這些科學家推測既然每個量子都有不同的狀態，那么宇宙也有可能并不只是一個，而是由多個類似的宇宙組成，因此平行宇宙的數量并不是確定的。風電機組在運行的時候，由于環境因素的變化、自身硬件設備使用壽命的差別，發生故障等因素的不同，導致風電機組運行狀態發生變化，且變化的狀態數量也是不確定的。由于平行空間具有多個空間共存且每個空間相同事物存在不同狀態的特性與數個風電機組整個生命周期的某一時刻中具有多個狀態且每個狀態不同具有相似的特點。因此，本文結合了平行空間的理論，給出基于平行空間理論的設備狀態監測模型ECMM。
　　綜上，本節將分別介紹基于平行時空理論的設備狀態監測模型ECMM，并給出基于ECMM模型的風電機組健康狀況評估的方法。
　　一、基于平行空間理論的設備狀態監測模型ECMM的理論模型

　　圖1基于平行空間理論的設備狀態監測模型ECMM的理論模型

　　構建基于平行空間理論的設備狀態監測模型ECMM的理論模型過程如圖1所示，主要分為三個階段，平行空間劃分、平行空間衍生、健康值計算。
　　（1）平行空間劃分
　　首先，數據預處理。利用集控中心大數據平臺收集各風電場所有風電機組全參數的歷史數據，根據風電機組各參數自身數據意義和取值范圍結合大數據技術對收集的數據進行清洗、去臟、修復等數據預處理工作。
　　其次，健康時間段的提取。風電機組在無故障、誤報警且穩定運行的狀態為風電機組健康的運行狀態。在風電機組全生命周期的時間軸上，扣除風電機組運行不健康的時間段包括：報警的時間段、故障及故障的征兆時間段、停機的時間段、無通訊時間段。所剩的時間段即為健康的時間段。
　　最后，平行空間的形成。風電機組在不同的環境因素下，能夠健康運行時的各個參數所處的健康值也不相同。因此，將環境條件按風速、溫度、大氣壓力、空氣密度、生命時間等多個維度，并對各個維度進行步長的劃分。按照步長所切割好的維度組合在一起，就是一個空間，而所有的相同生命時間的空間就組成了平行空間。
　　（2）平行空間的衍生
　　在風電機組的全生命周期里，隨著生命時間的推移，風電機組所處的環境的不斷變化，風電機組會沿著時間軸由一個空間的健康狀態演變成另一個空間的健康狀態，而此過程是按照時間軸單向的。而最開始的一個多個空間狀態根據環境變化的不同不斷衍生出數個平行空間狀態。
　　（3）健康值計算
　　提取風電機組屬于各個空間的健康數據，利用各個參數的業務意義與數據挖掘算法等進行各個參數在該多維環境分組下的特征值的計算，包括值域范圍、平均值、聚類后的范圍、權值等，代表該多維環境的各個參數的特征值。而將各個參數有屬于自己的權重，利用各個參數的權重以及自身的特征值，計算出該空間風電機組健康狀態的健康值。
　　二、基于平行空間理論的設備狀態監測模型ECMM的應用模型

　　圖2基于平行空間理論的設備狀態監測模型ECMM的應用模型

　　上一小節給出了ECMM模型的理論模型的構建方法。但是，由于理論模型需要大量同型號風電機組全生命周期的數據作為理論支撐，且最終的平行空間數量不可評估，以目前集控中心所收集的數據是達不到的。因此，本小節將給出基于平行空間理論的設備狀態監測模型ECMM的應用模型，如圖2所示，主要分為兩個階段，風電機組健康狀態生成和風電機組健康狀態間的轉換。
　　（1）風電機組健康狀態
　　首先，數據預處理。此過程與ECMM理論模型相同。
　　其次，健康時間段的提取與劃分。健康時間段的提取過程與理論模型健康時間段的提取過程相同，扣除風電機組運行不健康的時間段，所剩的時間段即為健康的時間段。由于風電機組在進入某環境空間的初始N分鐘內處于過渡期和N分鐘后參數運行狀態差異變化較大，因此在風電機組全生命周期上將分為穩定期狀態與過渡期狀態，并根據實際統計將不同的穩定狀態間切換時所需的不穩定時間長度值作為分割點。將相同機型全部風電機組在全生命周期健康時間段上，所有被分隔好的不同狀態切換的過渡期時間段和穩定期時間段的數據分別收集。