10月中旬，由龍源（北京）風電工程技術有限公司開展的風機葉片故障監測預警技術研究取得突破性進展，該研究在集團4個風電場共計5臺葉片事故的機組進行了驗證，成功實現了精確預測，預測時間提前至故障發生前最長達8小時，并計劃近期開發成葉片預警系統部署到特定風電場，將成果轉化為應用。

　　目前風力發電葉片故障監測普遍使用葉片表面粘貼檢測介質和振動監測方法，由于葉片工作環境惡劣且所受載荷不定，葉片粘貼檢測介質難以實現，測振漏報誤報問題嚴重且實施成本高昂，普遍推廣性較低。針對現有監測技術的缺點和不足，龍源工程技術公司機組性能分析室在充分研究分析風力發電葉片斷裂原因的基礎上，基于機組的相關運行數據參數，創新地將神經網絡和深度學習模型引入到研究中，通過基于數據的模型訓練，模擬出適應葉片故障監測預警的最佳模型。該模型的應用能提前足夠長的時間實施報警，從而讓運行人員能夠及時發現葉片故障并停機檢修，進而有效地避免葉片斷裂掉落的事故發生。在集團范圍內，葉片斷裂掉落的事故雖偶有發生，但影響較大，該項技術研究的突破性進展對于風電場的安全運營及成本控制具有良好的推廣應用價值。

　　風機葉片故障監測預警技術的突破性進展，再次肯定了機組性能分析室“堅持數據為先，深挖數據價值”數據驅動型的研究創新理念。針對風電場出現的各種技術難題，該公司始終堅持科學理念，深挖數據潛力，從數據分析中找回丟失的電量。