葉翔，現任中國大唐集團科學技術研究院技術主管，高級工程師，美國雪城大學電子與計算機工程博士，長期從事人工智能、機器學習及數據挖掘等技術的研發工作。

依托項目名稱：基于大數據平臺的智能化風電機組健康管理和故障預警系統

個人簡介：

葉翔，現任中國大唐集團科學技術研究院技術主管，高級工程師，美國雪城大學電子與計算機工程博士，長期從事人工智能、機器學習及數據挖掘等技術的研發工作。

積極推動大數據技術在電力行業的自主創新及推廣應用，主持并參與了10余項行業級、集團級的重點科研項目，其主導建立的電力大數據應用平臺，可有效提高電廠的優化運營水平，助力國內電力運維服務行業進入智能化時代。

共有7項授權國家發明專利，12篇國際期刊及會議論文，參與制定中國發電行業首個國際標準《IEEE P2400風電噪聲測量技術標準》，參與研發的《燃煤機組煙塵一體化高效脫除與智能控制關鍵技術》榮獲2017年中國電力科學技術進步一等獎。

依托項目簡介：

項目名稱：基于大數據平臺的智能化風電機組健康管理和故障預警系統

關 鍵 詞：風電機組，健康狀態管理，故障預警，模式識別，人工智能

項目摘要：

本項目提出了對基于SCADA數據的風電機組健康管理和故障預警的應用研究。在風場監控與數據采集系統的基礎上，提取風機狀態信息，采用人工智能、機器學習和模式識別等先進計算機技術，從大量的實時運行數據和機組歷史數據中發掘有價值的信息，自動地對風機進行狀態監測，并評估每臺風機的健康狀況和工作性能。對風機整體或風機重要部件，例如齒輪箱、發電機、軸承系統等，進行故障模式分析，檢測是否有異常情況，并確定其故障的變化模式。由此，可以找出故障前兆，優化風電機組的運行和維修資源分配，具有投資小、免維護、信息共享等多方面優勢。

目前，本技術成功應用于大唐河北新能源（張北）有限公司烏登山風電場，使風場從以前采用小件“響應維護”和大件“定期維護”的模式，轉變為“預測式維護”和“主動可靠式維護”的運維策略，顯著提高了風機的發電效率和風場的盈利能力。