目前我国风电的发展已经进入到一个变革阶段,产业格局出现不同的发展态势。越来越多的风电场对于机组的后期运维逐渐重视。特别是对于运行时间久的风电场,其运维方式也在向着精益化转变。如何提高机组的可利用率,降低故障率,保证不发生重大安全事故,这是许多风电从业人员正在考虑,通过各种方法正在解决的问题。维护方式定制化转变,故障处理的快速响应,故障处理方法的多样性是目前解决这一问题最好的选择。本文针对某风电场机组故障处理中存在:永磁直驱机组系统原理难理解、变桨系统故障处理方式单一,故障识别率不高,处理难度大的科学问题,采用理论与实践结合的方式分别进行研究。首先剖析了GW-1500k W永磁直驱机组的整机结构与运行原理,对一些难以理解的、但在分析故障和维护工作中有很大作用的原理性内容进行全面的分析。对机组的故障分析诊断方法进行理论基础研究。其次,针对机组变桨系统的结构以及故障特点,提出基于改进的FMEA的变桨系统故障分析方法。将FMEA方法进行符合变桨系统故障特点的全面的优化改进,根据每种器件的故障模式给出相应的解决对策,并计算每种故障的RPN值,按照RPN数值大小进行故障响应的处理措施,该方法通过在该风电场的使用,实际应用效果反响比较好。再次,针对变桨系统故障识别准确率不高的问题,提出了LLE与SVM结合的方式进行变桨系统的故障识别方法。该方法把经过LLE降维得到的低维特征参数矩阵输入SVM模式分类器中进行工况识别,得到93.75%的识别准确率。验证了算法的优越性和有效性。最后,提出基于遗传算法优化的SVM变桨系统故障识别方法。将经过LLE降维后的数据,使用遗传算法优化的SVM模型进行识别分类。经过实验对比分析,使用LLE-GA-SVM进行故障识别分类,故障数据与正常数据均达到了100%的识别准确率。表明基于遗传算法优化的SVM模型适用于风机变桨系统故障诊断,提高了识别准确率。验证了模型建立准确,算法可行有效。