风力发电是近年来国内外发展较快的一门开发新能源的技术,风电状态监测系统的研究与应用对于保证风电设备的正常运行、避免巨大的经济损失有着重要的意义。对风电系统中的重要部件实时监测其运行状态,并进行状态预测,同时依据设备运行状态将维修方式从例行维修和事后维修转变为预测性维修具有较大的现实意义。本课题以风力发电系统为研究对象,研究集成各数据采集单元、风机控制系统等各个设备的数据定义及传输协议,建立数据站集成风机状态特征信号、运行参数以及运行状况等信息,并对所有数据进行预处理及融合,并完成状态的初步识别诊断。本论文主要从以下三方面开展了研究：(1)对风电监测系统中的各类数据进行分类定义,建立数据站集成各类数据源的状态数据,包括声发射信号和振动信号无线采集单元数据格式和主要特征分析,以及风电控制系统的运行信息及风机主要参数。(2)声发射信号分析方法研究：主要包括对声发射信号的参数分析,根据分析结果对风轮裂纹进行定位,并深入分析裂纹的发展趋势,对是否需要维修做出判断。(3)振动信号分析方法研究：振动信号分析的方法很多,本论文主要采用包络谱分析技术提取振动信号的故障特征,采用神经网络的故障识别方法实现故障精确诊断。本文应用C#开发了风电无线监测系统数据站软件和信号分析及诊断系统软件,并在实验室搭建了风机监测系统平台,对该软件进行测试,测试结果表明系统能够准确的实现各类数据的集成采集和传输,进而通过对各种信号进行分析以实现状态监测和故障诊断。