集控中心系统融合风电场的实时监控、预警、风电统计分析、功率预测、保信、WEB发布等诸多功能,减少现场工程师驻扎,实现无人值班、少人值守的新型管理运维模式。随着规模扩大、采集点位以及频率的提升,风电场群每天生产着庞大的数据量,造成集控中心风电机组多年积累后数据量增大系统性能下降、查询计算慢等问题。针对此问题,本文基于集控中心在安全Ⅲ区搭建云平台,满足未来风电场群远程集控需求,最大程度实现数据共享和资源整合,实现监测功能,提升数据存储和分析的能力,为运营风电场提供远程技术支持,为未来的智能应用扩展提供基础平台,为未来将云平台技术迁移到安全Ⅰ区打下基础。本文主要从以下方面进行研究。(1)对风电场集控中心进行整体结构设计、安全分区设计、集控中心网络设计、远程通信网络设计、风电场侧网络设计、风电数据采集方式设计,开发实现集控中心侧监控子系统、风功率预测子系统、能量管理子系统、故障专家诊断系统等子系统。(2)针对集控中心风电机组多年积累后数据量增大系统性能下降、查询计算慢等问题,对分布式文件系统HDFS、分布式计算模型Map Reduce、数据库HBase等相关技术进行深入研究。基于集控中心设计云平台,实现了风电数据的快速存储以及云平台风电监测:升压站监视功能、风机监视功能、生产信息、光字报警、AGC/AVC监视功能、报表功能、报警功能以及数据挖掘功能,及时为运营风电场提供远程技术支持。(3)针对搭建的Hadoop云平台,与传统数据库做了数据导入对比测试,验证了云平台存储的快速性。选取局部加权线性回归结合分布式计算模型Map Reduce,对局部加权线性回归并行化设计,利用某实际风电场数据,实现风功率曲线建模。并预测某实际风机半月的风功率值,结果精确度为96.0128%,同时证明了此模型在评判风机性能的有效性。并且与多项式算法和经典算法SVM进行了对比,综合比较,证明了局部加权线性回归比较适合在实际风功率曲线的建模工作。通过做大量的实验,对云平台并行性能指标(效率、加速比、可扩展性)进行了测试与分析,进一步验证了云平台的优势。