伴随中国经济的高速发展以及对环保的重视,传风力发电作为清洁能源越来越引起重视,风电具有清洁、可再生、低碳环保、可持续性等特点。目前我国风电装机已连续多年世界第一,但风力发电机组齿轮润滑油99%依赖进口,在国际贸易争端频发的环境下,齿轮油全部采用进口,不但推高了运营成本,而且也不利于我国风电机产业的发展。本文与黑龙江省华富电力投资有限公司合作,对服役中的3种国产油和1种进口风电机组齿轮油进行了 2年的油液跟踪监测,对比分析了多项性能指标的变化规律,并针对齿轮油红外光谱中水分含量随时间线的变化,采用机器学习方法进行了定量计算分析与预测,通过与实测数据对比显示了方法的有效性。主要的工作内容如下:1、对服役中的4种国内外风电机组齿轮油进行了 2年6次的取样检测,利用多种方法较为全面的测试了各油样多项理化性能指标,以及各时段油样的润滑性能指标。2、对1中所获取的4种油品测试数据分别进行劣化性分析,通过对比分析结果可以发现:不同品牌的润滑油性能差别不明显,只有抗泡性能变化较大,其它性能有差别微小。根据目前的试验结果可以表明,国产风电机组齿轮油与进口齿轮油差距不明显,可以替代使用。3、基于红外光谱与极限学习机对监测油样的水成分进行定量计算分析,建立水成分预测模型,与实测数据对比的结果表明,该方法可作为风机齿轮油水分含量快速检测的手段,为今后通过红外光谱预测油中水分提供了便利。