伴随着全球风电产业的快速发展,风电机组单机容量的逐渐增大和装机总量的大规模增加,机组故障率高、运行效率低、寿命短、可靠性差等问题日益突出。积极开展风电机组状态监测及故障预警技术的研究,及时掌握机组的健康状况,对降低故障率和运维成本,保障机组安全运行,最大化风电场经济效益有着重要的学术研究意义和工程应用价值。论文针对风电场对机组状态监测及故障预警技术的应用需求,以数据采集与监视控制系统(Supervisory Control and Data Acquisition,SCADA)运行监测数据为基础,针对齿轮箱、发电机和变流器等几大关键部件,借鉴机器学习和数据挖掘领域的最新理论技术,研究基于数据驱动的风电机组关键部件状态监测与故障预警方法,为实现机组关键部件健康状态的有效监测、准确评估与故障预警提供技术支持。本论文完成的主要工作如下:(1)以齿轮箱为研究对象,为解决传统静态监测方法难以有效对齿轮箱的运行状态进行监测的问题,提出基于回声状态网络和极值理论的齿轮箱振动自适应监测预警框架。首先,为了建模齿轮箱振动与相关输入变量之间的非线性关系和动态行为特性,构建基于回声状态网络的齿轮箱SCADA振动监测模型。其次,为解决传统静态阈值监测方法误报警率高、适应性差的问题,提出基于极值理论的动态阈值监测方法,提高故障预警的可靠性。通过风电齿轮箱SCADA数据验证了所提监测方法的有效性。(2)以发电机为研究对象,针对SCADA数据故障样本缺乏、噪声具有不确定性等情况,充分利用SCADA运行数据的高维相关、信息冗余、非线性关联等特点,提出基于多模态深度降噪自编码的发电机多参数融合监测方法。首先,充分分析影响发电机性能的关键参数集,然后基于此构建基于健康样本的深度降噪自编码网络多参监测模型。最后对模型重构误差进行评估,并采用核密度估计法确定故障检测阈值。与传统多变量统计监测方法进行比较,以发电机绕组温度故障为例对本文提出方法的有效性进行了验证。(3)以双馈变流器为研究对象,建立了双馈变流器数学模型,针对电网侧变流器相关的高频谐振问题,提出一种基于电网侧变换器电流为状态变量的虚拟阻尼方法,通过软件控制实现滤波电感串联电阻的效果,实现高频谐振抑制的同时无需增加硬件成本。进一步,设计了一套风电变流器智能监测系统,用于测量相应的交流电压和电流数据以及信号反馈的开关输入输出状态,并进行数据波形存储录波,通过以太网远程传输录波数据,可以为专业技术人员分析机组变流器故障提供可靠准确的数据支持和故障辅助分析。通过采集正常并网、正常脱网、故障脱网情况下的电压电流波形,对所设计变流器智能监测系统进行了性能测试和分析。(4)为满足风电场实际应用需求,针对现有成熟的SCADA运行监控系统的监测与诊断能力弱的问题,设计开发了风电机组健康预警系统,该系统集成了SCADA运行监控系统的统计分析功能,同时设计了面向齿轮箱、发电机等风电机组关键部件异常监测与性能评估系统模块,扩展了原有SCADA系统的状态监测分析功能。结合风电场测试数据,对所设计的系统进行了应用测试。