在传统能源日渐枯竭的背景下,当今国际开始大力发展以风能发电为代表的清洁能源。随着相关技术的日渐成熟和风电行业的发展,行业内产生的相关数据在来源和数量上都达到了一个新的高度,数据类型也变得丰富多样起来。在大数据技术潮流下,人们意识到这些风电数据中隐藏着巨大的价值,若能对其高效地管理并利用,则对风电行业有着巨大的促进作用。目前行业对风电数据的管理与应用之间存在以下矛盾:风电数据的应用需要结合不同来源、不同结构、不同类型的数据,做到跨业务、跨时间、跨类型的全景数据挖掘分析,最终找出数据中隐藏的有价值的信息。但实际上这些风电数据却因格式、类型、用途等原因被竖井式的、孤立的存储在各个业务部门中,数据之间无法有效整合,这给风电数据分析应用带来了巨大的阻碍。为解决以上的矛盾,本文提出了一种基于知识图谱技术的风电数据管理方法,利用知识图谱特有的模型结构,可以将分散在风电业务系统中的多源异构数据紧密联系起来,为风电数据分析应用提供全景数据支持。本文的研究工作如下:一、对风电数据的四个特性,规模性、高速性、多样性和价值性展开具体阐述,从而揭示风电数据高效管理的重要性。接着介绍了本文用到的核心技术:知识图谱技术和相关的数据库技术。最后,基于知识图谱的结构,结合风电业务需求,分别对风电数据知识图谱中的实体、关系、属性和标签进行设计,并以齿轮箱为例,给出了以齿轮箱为中心的全业务数据知识图谱结构,在此基础上还给出了风电数据知识图谱的业务功能设想图。二、基于原始风电数据给出了知识图谱构建方法,首先,将风电原始数据分为结构化与非结构化数据,结构化数据采用直接导入的方式,而非结构化数据的处理较为复杂,本文利用自然语言处理技术结合先进的算法给出了具体的处理步骤。其次,对传统的知识图谱评估方法提出改进,使评估结果更科学,解释性更强。最后,基于评估结果对风电数据知识图谱质量进行修正,并针对知识图谱更新周期的确定提出了一种参考方法。三、基于构建好的风电数据知识图谱,本文给出了两个风电数据知识图谱应用算例:故障辅助分析和业务信息查询,通过与传统的关系型数据库作对比,充分验证了风电数据知识图谱的优越性。