本书包括风电场信息化和大数据技术两部分，重点介绍风电场大数据各种技术，并结合案例进行分析。全书分为八章，主要内容包括风电场信息化建设概述、风电场物联网构建技术、风电场信息管理系统、风电场云计算数据中心、风电场大数据的存储与管理、风电场大数据的高效处理、风电场大数据的分析与挖掘、基于大数据的风电机组全寿命周期评估与故障预测技术。 为了方便读者学习和理解相关内容，本书既有相关的理论分析，也有相应的实际应用，以期对从事风电场的工程技术、研究人员和大专院校师生有一定帮助。

序
前言
第1章 风电场信息化建设概述
1.1 风电场信息化建设现状
1.2 风电场信息化总体架构
1.3 风电场信息化建设内容
1.4 本章小结
第2章 风电场物联网构建技术
2.1 风电场智能信息感知
2.2 风电场网络通信
2.3 风电场数据采集和预处理
2.4 本章小结
第3章 风电场信息管理系统
3.1 风电场调度自动化系统
3.2 风电场运维管理系统
3.3 风电场资源管理系统
3.4 风电场物资管理系统
3.5 风电场设备管理系统
3.6 风电场生产管理系统
3.7 风电场安全监察系统
3.8 数据预警系统
3.9 风电场故障专家库系统
3.10 风电场综合管理系统
3.11 本章小结
第4章 风电场云计算数据中心
4.1 概述
4.2 风电场云计算数据中心总体架构
4.3 风电场云计算数据中心基础设施
4.4 风电场云计算数据中心应用层
4.5 风电场云计算数据中心的关键技术
4.6 规划与建设
4.7 风电场云计算数据中心的安全等级保护体系
4.8 本章小结
第5章 风电场大数据的存储与管理
5.1 概述
5.2 风电场大数据的分布式文件系统HDFS
5.3 风电场大数据的分布式数据库HBase
5.4 风电场大数据仓库Hive
5.5 本章小结
第6章 风电场大数据的高效处理
6.1 概述
6.2 分布式并行编程框架
6.3 Spark分布式内存计算框架
6.4 流数据的实时计算
6.5 并行图计算模型
6.6 本章小结
第7章 风电场大数据的分析与挖掘
7.1 概述
7.2 风电场大数据的聚类分析
7.3 风电场大数据的分类方法
7.4 风电场大数据的回归方法
7.5 本章小结
第8章 基于大数据的风电机组全寿命周期评估与故障预测技术
8.1 概述
8.2 风电机组异常数据清洗
8.3 风电机组全寿命周期评估
8.4 基于大数据的风电机组故障预测技术
8.5 基于大数据的风电机组工况预测方法
8.6 本章小结
附录1 Hadoop的安装与配置
附录2 HBase的安装与配置
附录3 Hive的安装与配置
附录4 Spark集群的安装与部署
附录5 K-Means实例代码
附录6 决策树分类算法实例代码
附录7 线性回归算法实例代码
参考文献