风电机组由于运行工况不稳定而带来的机组故障众多,其中齿轮箱故障在带有双馈齿轮箱的风电机组中比较常见且每年会给机组带来巨大的经济损失。为提前发现故障并有效减少故障带来的经济损失,有必要对齿轮箱故障趋势进行预测,根据故障趋势进行预警分析,实现提前发现机组的故障。对于预警分析提示的故障是否展开维修,需要对齿轮箱运行状态进行评价,根据评价结果制定维修决策。并在维修决策的选择中,对多种维修方案进行重要度排序,从而为制定有效的维修决策并减少机组故障停机损失作出贡献。本文针对联合动力生产的UP1500双馈式风电机组在龙源电力天津市风电场的实际运行过程中出现的风电机组齿轮箱的典型故障进行研究,为减少风机报警故障停机、提高机组经济性作出贡献。文章首先详细阐述该机组相关参数,分析该机组齿轮箱故障的故障机理,对典型故障进行知识梳理及故障树分析。其次以典型故障模式齿轮箱油温高故障为例,基于机组实际运行的SCADA(Supervisory Control And Data Acquisition)每10分钟的记录数据提取特征参数,利用与齿轮箱油温相关性强的8个SCADA参数作为输入参数进行预测模型的搭建。采用逐步回归分析模型、灰色模型、时序神经网络模型进行油温预测。为提高预测准确度,对三种预测模型进行加权组合的信息融合预测,有效提高了预测结果的准确性并有效减小预测值的误差。然后根据机组设定的控制参数并基于统计过程控制方法SPC(Statistical Process Control)确定故障预警的阈值,根据预测数据实现齿轮箱的故障预警分析,并通过机组实际运行数据中的正常运行数据及故障数据验证了预警分析的有效性。为确定预警提示的故障是否需要立即维修,本文对于齿轮箱的运行状态进行了基于模糊综合评判的分析,根据评价结果为维修工作提供参考。最后,为使维修工作更有针对性及时效性,对机组典型故障进行了基于故障树定量分析方法的改进层次分析法分析,基于融合传统层析分析法及专家经验法的改进层次分析法对造成齿轮箱故障树的底事件进行重要度排序分析,为维修人员在故障发生时快速提供最有效的维修决策,有效提高了维修的效率及科学性。