数据分析和模型

1. 故障诊断

通过使用相关性数据分析模型，全方位的展示不同组件之间的故障关联关系。在本例中，可以通过调整布局模式、重力、边缘影响等参数，动态的查看不同组件之间的故障关联关系，方便用户快速识别根源故障。

2. 故障溯源

在本示例中，通过桑基图方式，将不同组件之间的故障事件序列全面的展示出来，用户可以选择不同的粗细的曲线查看与根源故障有关的其它故障事件的构成。

3. 异常检测

风力发电机各部件主要通过螺栓连接，因为风机的变桨操作、螺栓零件的自然老化或叶片受到过大应力等因素，叶根螺栓会产生断裂甚至脱落的情形，造成风机机舱内部机组的损坏，甚至风机倒塌的严重后果。目前风力发电机叶根螺栓的断裂与否完全依赖人工排查，然而风场通常设置在偏远的地区，不仅维护成本高，而且定期的巡检并不能及时发现潜在的问题，往往在出现严重故障后才会发现。寄云科技基于机器学习的监督学习分析法，可以通过对其它传感器的测量和监控，比如风机转速、倾角、风速、方向等参数，间接找到叶根螺栓断裂的时间点，再通过对分类算法阈值的不断学习，建立风机正常和异常运转模型，进而实现对螺栓断裂的精确检测。