根据全球可再生能源权威平台REN21正式发布的数据显示，风电机组的新增装机容量占总新增的35.8%，我国风电并网装机容量已十二年蝉联世界第一。一项来自丹麦RISOE国家实验室的研究显示：当前运行的绝大部分在役风电机组均存在5-10度的偏航偏差，并导致了年发电量的持续损失。
该偏航偏差的存在，第一，会导致发电机组捕获风能的效率降低并带来发电量降低，这是因为当风速恒定且发动机转速低于额定转速时，机组的发电功率与风向偏差角度α的余弦的3次方成正比；根据该理论计算，当偏差角度为15度时，会带来约为10%的发电量损失。第二，会引起叶片气动弹性波动，增加机组非对称载荷，影响机组使用寿命。
综上所述，及时发现在役机组的偏航偏差并积极处理对提高机组发电量、减少经济损失和缓解相关设备磨损等起到重要作用。
根据研究表明，风电机组正面对向来风方向时，发电量最大。风电机组的偏航系统能够让风电机组在风向不断变化的同时及时的调整机舱的位置，让机组快速高效保持合适的对风角度，减少风电机组功率损失。
而偏航偏差就是指由于复杂的工况、系统误差或者偏航策略等影响，导致机组的叶轮扫风平面与实际来风方向不能保持总体垂直，产生动态和静态两种层面的偏航对风偏差角。
偏航偏差一般分为静态偏差、动态偏差。静态偏差主要是由于风向标安装误差、风向测量误差及传感器劣化等原因导致；动态偏差主要是由于偏航系统调度策略不完善、偏航系统响应延迟或规避湍流影响而人为设定等原因导致。
现在传统主流偏航偏差解决方案主要有三类：
(4)运维成本低：每次仅需输入机组的SCADA采集工况数据即可算出对应机位偏航偏差。
（1）修正了环境温度影响
由于功率受环境温度影响较大，“听风”系统从数据机理层面将环境温度影响因素剔除，大大提高后续算法识别的精准性。
（2）将风电机理与机器学习相结合的数据清洗技术
结合了限电、液压制动、变桨等工况对数据做状态过滤，同时使用机器学习方法对机理上呈现固定形态关系的数据进行离散异常点的清洗，排除数据干扰，增强计算准确性。
（3）排除风速干扰
将数据集按照对风角度和风速进行分仓，综合各仓结果，排除各仓内由风速带来的干扰。
某风场随机抽取了四台机组安装全新的高精度风向标（安装的角度和位置均经专业人员确认），与原整机出厂配备的风向标采集数据进行对比测试。
通过分析抽取风向稳定时的四台随机选取的风电机组偏航角度实时数据，结果显示：
（2）对比博数智源“听风”系统算法计算得到的机组偏航偏差角与实测机组偏航偏差角结果均一致，即算法具备很高的准确性。
博数智源公司自主研发的“听风”系统，可以实现对风电场整体效能指标、偏航偏差识别、偏航系统劣化趋势预判等功能，监测画面使用不同颜色代表偏航偏差严重的程度。该应用系统可有效协助用户实时监测风场整体发电效能与偏航偏差程度诊断，也可对于选定时间段的机组进行偏航偏差结果的统计分析进而指导现场运维检修工作。该系统无需增加外部新增传感器，仅基于SCADA采集的大数据挖掘技术和深度理解风电运行原理即可完成对在役机组的偏航性能精准评估，为客户带来直观的发电量收益。
