风力发电作为对可再生能源利用研究中起步早、发展快运用广泛的一项技术已逐步占据发电产业的主导地位。在风能资源充足的新疆,风电场多设置于野外,致使风力发电机组由于经受多变复杂的环境而故障频发。但风机在出现不可逆的故障之前会经历一个过渡期,在过渡期内多变的工况会对故障诊断造成一定的影响,同时工况变化可能会进一步加深故障。因而,急需更为深入的研究工况骤变会对风力发电机故障诊断造成何种影响。本文针对双馈型风力发电机在多变的环境下难以对故障进行精准诊断问题,运用相关向量机分别在正常运行、风速突变和电网电压三相不平衡工况下对双馈风力发电机正常运行(设定为特殊故障)、定子绕组匝间短路、主轴偏心和轴承磨损的四类故障通过分析振动、电流征兆信号进行诊断。主要研究内容为:(1)研究工况对风力发电机造成的影响及风力发电机几类常见故障的特征,特别是研究风机运行过程中常见机械及电气故障对其主要部位的电流及振动信号所造成的影响进行分析。(2)利用综合经验模态分解对正常运行工况及风速突变工况下双馈风力发电机各类故障的振动信号数据进行分解,接着引入灰色关联度分析从分解后的各IMF分量中提取表征能力强的特征向量。同时对正常运行工况、风速突变工况及电网电压三相不平衡工况下对双馈风力发电机的电流信号数据进行傅里叶分析,并根据故障电流信号频域中幅值的变化特点提取特征向量。(3)先引入“有向无环图”多分类模型对两种二分类器SVM及RVM进行扩展,对所建立的“有向无环图”进行结构优化,得到最优分类结构。再利用“交叉验证法”选取泛化能力强、准确度高的核函数。最后分别在不同工况下建立基于单一征兆的多分类故障诊断模型进行故障测试诊断,并根据SVM与RVM诊断性能的对比分析结果选取性能最优的诊断方法进行融合。(4)优化常规证据融合方法中的核心参数,对正常运行与风速突变工况下基于电流和振动征兆的RVM故障诊断模型在决策层进行融合,建立多源征兆故障诊断模型,对测试诊断所得诊断结果在同一工况下与基于单一征兆诊断模型的诊断结果相比较。