风力发电机是将风能向电能变换的重要设备,风电机组运行性能的准确评估对风电机组各个部件状的态监测、运行维护有着至关重要的意义。本文利用协整分析方法同时对多个非平稳变量进行分析,将风力发电机SCADA历史数据与振动数据作为输入对象,建立协整离线模型并验证。最后将离线模型转变为LabVIEW在线监测程序,实现风力发电机状态的在线监测。论文主要研究内容如下:1)将SCADA系统存储的历史数据建立ADF平稳性检验模型,并对模型系数和常数项的t统计值进行估计,从众多SCADA监测对象中选取若干组非平稳数据作为下一步分析对象,再对被选取的对象进行一阶差分运算,将运算结果进行平稳性检验,从中选取符合一阶单整的几组数据作为协整分析的输入。2)分别利用E-G两步法和Johansen多变量协整分析方法对选取的数据进行协整关系检验。利用存在协整关系的几组变量建立相应的模型,并利用最小二乘估计方法估计出协整向量和常数项。利用协整向量常数项和所选变量建立离线协整模型,利用风力发电机正常及异常情况下的SCADA历史数据进行验证。结果表明,只利用SCADA数据的状态监测方法对电气故障比较敏感。3)选取高频振动数据为协整分析的一项输入,首先利用奇异值差分谱方法对原始振动信号进行消噪并重构,再利用重构数据的能量与原始信号能量的比值作为协整的一项输入建立协整模型并验证,结果表明,加入振动数据后提高了协整分析方法对风力发电机机械部件状态监测的灵敏度。4)在线阶段将离线模型编写为可执行的实时监测程序:通过对多个风场SCADA系统的观察,发现不同风场的SCADA系统监测对象略有不同,其中风速和输出功率是所有风场都在监测的对象,考虑到程序的通用性,将E-G两变量离线模型转变为在线监测程序。利用公式函数、句柄属性等函数将离线状态监测模型转变为在线监测程序,利用多台风力发电机SCADA数据对在线程序进行验证。结果表明所开发程序可有效识别风力发电机的异常运行状态,且对不同风力发电机SCADA数据具有兼容性和较好的适用性。