故障码状态分析及统计，数据提升风电运维

风机运维手册里会给出每一个故障码，以及该故障码对应的处理措施等等。对故障码的数据统计分析，结合数据挖掘提出风机运维分析。对经验丰富的运维人员经验主导的故障排查过程往往很快很有效，但目前自主维护的风场运维人员水平不一，经验不足及少数故障会陷入困境。而这种困境带来的往往是机组长时间无法恢复运行，造成实际电量损失。

故障码本身是具有自身的一套逻辑的体系，对其逻辑分析及统计充分利用有限的线索和各个环节之间的关系来进行排查并给出具体实际预防性检查将大大提高机组运行效率。

目前想到的思路是对故障码进行树状梳理通过逻辑树进行分类结合故障现象进行排查分析

故障码分为可自动复位和不可自动复位两类。

1.可自动复位

风电机组里有一类故障是可以自动复位的，也就是故障发生并触发停机后，若故障产生的外在条件恢复正常，则机组可以自动恢复运行。

1.1非机组自身原因

1.1.1气象条件最典型的例子，大风切出、小风切出或者风暴检测等。这些严格来讲，并不算机组本身的故障，只是外部条件的变化不适合机组继续运行，于是停机，待外部条件恢复后，则机组继续运行。

1.1.2电网条件，比如电压波动超出了机组被要求承受的范围，则也会触发停机。而电网恢复后，机组自动恢复运行。

1.1.3机组自身的，比如某些部件超温，则机组停机，待温度恢复后机组会自动恢复运行。另外，还有超速、超功率和振动超限等等。

1和2这两类因为机组运行在一个不确定的环境里。产生的自动复位的故障，通常认为这是正常现象。但是3这类故障应对其进行量化考察自复位故障的发生及其影响，分析判断是否是由机组欠维护或其他原因影响。

数据分析方向

故障频率

故障时间

故障外在因素

2.非自动复位

采用故障树结合外在因素进行逻辑分析判断。对故障树逻辑进行数据分类，结合人工训练进行分析。

数据分析方向

故障频率

故障时间

故障外在因素