摘要: 摘要：近年来，随着风电装机越来越多，风能作为清洁能源为改善我国能源结构发挥着越来越重要的作用。在这个过程中，有必要将新兴信息技术应用风电系统，解决其面临的实际技术问题，从而进一步促进风电的快速发展。本质上，风电产生了海量的大数据，这些海量数据具备两个重要特征。首先，随着信息采集系统应用的扩展，风电机组状态监测的广度和深度不断加强，风电大数据呈现出明显的实时数据流特征。如何高效存储和处理不断增长的海量实时状态监测数据流，进行快速有效地故障诊断与预警成为了迫切需要解决的问题；其次，风电大数据具备较强的隐私属性，需要在保证安全的前提下有效挖掘风电大数据的价值。例如，现有风电场运营数据可能会包含机组或风场的隐私敏感信息，根据《中华人民共和国数据安全法》，需要保障现有风电场运营数据的安全，防止隐私数据被泄露。针对上述挑战，本文探讨了利用大数据流式计算对风电场群的实时数据进行数据挖掘的方法，实现对风电“波动性”、“随机性”和“间歇性”等统计特征的量化分析；进而，利用表征学习方法挖掘影响风电送出能力的隐式特征，并借助结构化的表征建模手段，发掘隐式表征与风电场景可操控性指标的关联关系，有效提高风电的稳定性。针对日益增长的隐私数据保护需求，本文探讨了如何利用先进的数据融通技术，实现风电数据的“可用不可见”，在充分挖掘风电数据价值的同时，保证风电隐私敏感数据的安全。