摘要：風電機組的健康正常運行一直都是保證風電場盈利能力的主要手段和影響因素。由于目前的風機設備監控系統只能做到故障發生時或風機停機時，才能通知現場工作人員進行維修。整個過程消耗大量的人力、財力，并嚴重影響了風電機組發電。因此，一個能夠對風電機組健康狀態進行實時檢測并能夠進行故障預測的健康模型是必要的。本文摒棄傳統的思想建立模型，而是以平行空間理論作為出發點，采用大數據技術作為技術支持，建立一個多維度健康模型，保證了風機穩定運行的健康狀態。
　　1引言
　　在傳統能源的不斷減少的今天，世界各國已經將目光聚焦于可再生能源的開發。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能力的主要手段和影響因素。
　　每年風機故障損失的發電量和故障導致的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，一個能夠對風機的健康狀態進行評估并且能夠對風機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機運行效率，減少風機維護帶來的損失。
　　2基于平行空間理論的設備狀態監測模型
　　由上章可知，本章需要提供一個健康模型來實時檢測風機的健康狀況。風機在運行的時候，由于環境因素的變化、自身硬件設備使用的壽命的差別，發生故障等因素的不同，導致風機運行狀態發生變化，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機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，同時給出基于該模型的風電機組健康狀況評估方法。
　　如圖1所示，主要分為兩個階段，風機健康狀態生成和風機健康狀態間的轉換。 　?。?）風機健康狀態
　　首先，數據預處理。利用集控中心大數據平臺收集各風場所有風機全參數的歷史數據，根據風機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，健康時間段的提取與劃分。扣除風機運行不健康的時間段，所剩的時間段即為健康的時間段。
　　最后，健康狀態的生成。以收集好的穩定期健康時間段為例，同樣將環境條件按照風速、溫度、大氣壓力、空氣密度等多個維度，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，而所有的空間就組成了平行空間。在收集好的時間段中，會有很多數據屬于同一個空間，因此我們對屬于同一個空間的數據進行計算分析得出不同空間中的數據范圍及特征叫做該條件環境下的狀態。
　?。?）風機健康狀態轉換
　　在風機運行時，隨著時間的推移，周圍環境的變化，風機會在健康模型上找到屬于當前環境下的空間即健康運行的狀態。由于收集的數據有限，也會出現沒有對應的空間，因此需要對此風機當前狀態進行判斷，如果滿足上述的健康時間段的運行狀態，平行空間是可以擴展，即可以通過自學習的方式彌補之前由于數據手機不足照成的缺少部分對應空間的現象。
　　綜上所述，基于平行時空理論的設備狀態監測模型是依賴于環境因素的變化創建的。在風機實時運行時，會自動檢索此時對應的空間，并通過計算能夠知道此時的健康狀態的值與空間里計算好的健康狀態的值的差異性。
　　3基于平行時空理論的設備狀態監測模型的風機健康狀況評估方法
　　如圖2所示，基于平行時空理論的設備狀態監測模型的風機健康狀況評估方法,風機實時數據作為模型的輸入數據，利用模型對比算法得到自身健康狀態評分。利用環境預測的算法來預測風機的狀態。 　　（1）風機自身健康狀態評分