通過對風機實時數據進行監測、采集，利用健康模型的對比算法，求出同機型健康狀態評分。下面將給出模型對比算法的流程進行描述，如圖3所示。 　　利用風機的實時監控系統對風機全參數進行監測。并根據此時環境各維度的值以及當前風機在當前環境中運行時長來檢索相應的模型中的平行空間。并根據平行空間中風機參數計算特征值的方式，求出此時風機相應的各個參數的特征值。每當有一個參數的特征值不滿足平行空間中所給出該參數特征值的健康范圍，則健康值需要減去該參數的權重值以及相應每個參數所需要減掉的參數值，剩余的健康值即為該時刻風機運行的健康值。例如，風機完全健康時的健康值為100，除了環境各個維度的參數以外，還有A、B、C、D、E五個參數。假設其中A、B、C三個參數的特征值不符合所對應的平行空間A、B、C三個參數特征值的健康范圍，因此，該風機當前時刻的健康值為100-a*x1-b*x2-c*x3，其中a、b、c分別為A、B、C三個參數的權重值，x1、x2、x3分別為A、B、C三個參數不滿足健康范圍時需要扣除的健康值。
　　（2）預測風機狀態
　　利用引入的環境預測數據，并根據健康模型檢索出相對應的空間，從而預測出風機未來的狀態。
　　綜上，健康狀況評估的方法主要是根據實時檢測風機的各個參數值，利用環境參數找出模型中相應的平行空間，并利用空間中各個參數特征值的算法求出此時該風機各個參數的數值，并判斷是否在平行空間所給出的健康范圍內，不滿足進行健康值的減分計算。利用風功率預測中的環境預測值進行風機運行狀況的預測。對風機的健康情況進行了全面的檢測和評估。
　　4結束語
　　本文針對目前風場不能夠有效的對風機的健康狀況進行評估，最終由于故障而導致風機停機帶來的經濟效益的損失提出了解決方案。首先提出的基于平行空間理論的設備狀態監測模型是以平行空間理論作為本模型理論支撐點，以大數據技術作為建模的技術手段進行創建的。并給出了基于該模型的風機健康狀況評估的方法。由于本文僅從風機運行的健康角度考慮，忽略掉了風機發生故障時的狀態。結合平行空間思想，筆者針對不同風機的不同故障分別建立了故障模型用以風機故障的預測和診斷，由于故障模型數量較多、范圍較廣，希望廣大讀者批評指正。
　　總之，本文整體上健康模型與故障模型互相驗證，全方面的保證了風機的運行狀態。