上面这张图，你知道是什么吗？你会告诉我它是风车吗？你会想到唐吉诃德吗？
嗯，别笑，现在是严肃的大数据话题。我告诉你，它叫做“风机”，风力发电机的简称。风力发电的原理十分简单：在风大的地域安装风机设备，风力带动风机旋转，旋转的机械能转化为电能。
以下是三年前的信息：“近年来，我国风电产业进入了快速发展的黄金时期。中国风电市场已经连续6年实现翻番增长，2009年第一次成为当年风机新增装机最多的国家，2010年中国风电装机总容量已经达到4000万千瓦，提前10年完成了我国此前规划的2020年风电装机容量达3000万千瓦的目标。据估计，我国风电装机容量在2010年底已经超过美国成为世界第一，并于5后达到1.35亿千瓦、20年后达到5.13亿千瓦。”
中国的风电“疯”速发展，与国家大力发展清洁能源的政策有关，也与各大能源集团跑马圈地占据能源市场有关。但风电产业受到自然条件和市场风险的双重制约，具有客观存在的困难和障碍。风电本身确实有“先天不足”之处，例如风电不稳定、输送距离远、经济效益差、运行管理复杂，这使风电在市场上缺乏竞争能力。同时，电网与风电发展不配套，也是一个十分突出的问题。我国的风能资源大多分布分在西北、华北、东北等“三北”地区，大部分处于电网末梢，是电网建设较为薄弱的地带，由于电网不配套，在风力强劲的季节，风电不能联网，风机只好停机或部分停机，造成三分之一风电装机容量浪费。
更严重的是，由于“大跃进”式的风电建设催化了风电设备制造的早熟，造成风机质量问题越来越严重，不能按时交货和配套、机组调试时间长都是小事，叶片断裂、轮毂裂纹、齿轮箱损坏、电机着火、控制失灵等质量和技术故障时有发生。2010年，风机倒塌、着火等事故被媒体称为“风难”，连续近十台风机倒塌，国内风机制造商前五名无一幸免，让“风驰电掣”发展的中国风机遭遇了一场前所未有的信任危机。
风机设备天生“倒霉”。在恶劣环境下7×24长期连续运转，使风机运行一年的损耗，不小于汽车运行5年以上的损耗。因此，风机设备按设计寿命20年计算，相当于要求汽车寿命达到100年。在我国目前的材料技术、制造工艺、电气控制能力及空气动力水平条件下，这无疑是难以企及的过高要求。一些风机在5年时间便纷纷老化损坏，是具有先天性的客观因素的。
另一方面，风电机组的设计一般参照标准风力条件，不可能全面预估到风机设备安装到风场后的实际风力条件和负载特性，而风场所处环境往往气候条件变化无常，导致风机负载不断发生变化，所以设计人员无法事先准确估算风机负载，维护人员亦无法按照风电机组实际运行情况采取相应的维护措施。
可见，风机不可能按照理论上的设计负载在复杂环境下运转，风力条件会导致风机负载不断变化，风机的疲劳负载是其结构和组件失败的主要原因。风机发生机械故障的主要原因是振动引起的疲劳失效。在结构上造成振动的原因包括动平衡失稳、轴弯曲或对中不良、轴承或齿轮损坏，使用维护不当造成振动的原因包括润滑不足、机械松动、塔体或叶片振动、发电机转子或定子故障以及不同零部件之间存在共振等。此外，各类电气问题亦可能引发机械或其他故障。
因此，风电设备维护成本很高，只能采用定期维护或意外失效后更换的方式。但即使如此，仍经常出现设备维护不当、小故障引发大事故的情况。如何监控设备运转情况，作到预先诊断和主动预防，避免出现重大事故和财产损失，是摆在风电制造商和风场运行商面前的共同课题。
有鉴于此，三年前我为某风机制造商设计了一个大数据系统，按照以客户为中心的战略，实施服务系统“前移”策略，将风电故障诊断和现场服务向客户所在位置靠拢，并在云端设置大数据分析系统，让风机故障发现于未萌。
基本思路很简单：与制造商所服务的各风场客户合作，将设备状态信息、风机运行信息、视频监控信息等汇集起来，传输到云端的数据仓库，通过后台分析模型关联比照，及时发现和预警设备运行状态。该系统不仅能够为制造商提供故障诊断与产品设计服务，更为风场设备运行提供大数据实时监测与决策支持。
限于商业机密的原因，我不能将该方案描述得太详细，但这个小众的基础数据采集与处理思路，能够给我们一些启示。比如说，我有一个朋友是做传感器的，他们的智慧城市解决方案中，就有将地面传感信息传回云数据中心，经处理后反哺给交通控制、城市管理及应急指挥等设计。另外一个是做安全大数据的朋友，解决方案之一是将海关、机场、地铁等安检信息上传到云端数据中心，通过大数据分析处理更快速、更有效地进行安全检查。
我很开心各位悦友昨晚以来给予的反馈。一个时期以来，我总有一种错觉，好像只有我在自娱自乐，手机那端的你是否在读我的文章，我大抵是不了解的。
本文为回复悦友 @飞星 的提问。他说：“我比较关注的话题是：非常规视角的大数据，古怪、奇特、还有些营养。”他这个问题比较有趣，我明后天还会继续花一点精力的。
其他悦友，请继续反馈你的关注点。已经反馈的，还要静候我慢慢写出我的想法。