风力发电作为新能源的主要代表，在电网中的比重越来越高，如何在风机出现故障之后能够有效地进行故障诊断，并及时切除故障是风电领域研究的重点。证据理论在不确定性信息的表示、度量、以及多源信息融合中表现出强大的优势，已被广泛应用于大型设备的故障检测与诊断。本文开展了基于证据理论的多源信息融合方法在风力发电机组故障诊断中的应用研究，主要工作包括以下几个方面：（1）首先介绍了信息融合技术的基本概念和原理，并对其在故障诊断中的应用进行了详细的分析；研究了证据理论的基本框架及组合规则，并对基于证据理论的故障诊断方法进行了总结；分析了当前风力发电机组故障诊断的常用方法，对基于证据理论的多源信息融合方法在风力发电机组故障诊断中的应用作了可行性分析。（2）对于原始证据在融合过程中出现的高冲突性现象，研究了基于证据熵的组合规则方法。根据多个传感器得到的证据重要性不同，采用证据熵原理来得到每个证据的重要性参数即权重，给出了基于证据熵的故障信息融合诊断框架并在发电机轴承中得到良好应用。利用轴承加速度传感器提取故障振动信号，以EMD分解后本征模函数IMF的包络谱特征频率作为故障特征量，此特征频率与各故障频率对比，得到初步诊断结果；由灰色相关性原理获取待检特征频率与故障频率之间的关联度，作为获取原始证据的方式，利用熵值原理对原始证据加权调整，并通过Dempster组合规则进行融合。（3）对于证据理论在实际故障诊断应用中，由于大型设备运行环境影响和传感器的限制，从不完整信息中提取基本概率赋值还存在一定不足，本文提出了一种基于均值中心化的基本概率赋值方法。以风力发电机为对象，明确其故障机理，确定故障域与故障特征量，挖掘故障类型与故障特征量之间的映射关系，由故障档案库确定该类故障的中心基点，待检模式与故障中心基点的欧式距离倒数值归一化之后，该数值认为是该待检模式对于故障的支持度，它与BPA有同样的物理意义；有效利用累积信息和当前信息，利用时空域信息融合方法得到对故障有效全面的描述，在一定程度上消除了信息的冗余，提高了诊断的精度。