风能资源作为一种广泛分布的能源形式,具有无污染、成本低的优势,因此风能发电的使用越来越广泛。风力发电机组多处于高山、海洋等雷电活动活跃的地点,避雷线的完好对风力发电机组正常运行至关重要。现有检测手段仅对避雷线的断线进行检测,避雷线部分断股的情况目前还不能检测。为避免风电机组在运行中出现避雷线断股产生危害,准确判断避雷线的断股程度,以便及时更换损坏的避雷线,本文提出了一种基于行波法的对避雷线断股程度进行判断的方法。避雷线断股检测系统主要包括信号发生模块、信号检测模块、信号处理与转换模块及数据处理单元四部分。系统通过信号发生模块向避雷线一端注入脉冲信号,在避雷线中间有断股的情况发生的时候避雷线中会产生两种回波信号,一种为避雷线的终端产生的回波信号,此信号强度较大;另一种信号为断股回波信号,行波经过断股位置时产生部分反射,断股程度不同,得到的回波信号不同,此信号较小。为了使获取的回波信号性能良好并且能够使用,本文对于传感器的选型、匝数影响、磁芯缠绕材质影响、磁芯大小影响以及噪声影响、对地电容及通频特性等各项影响因素开展了一系列实验分析,完成了对传感器的优化设计。在信号处理与转换模块中采用小波降噪算法研究以获得消除噪声且保留信号各项特征的回波信号,分别对小波软、硬阈值、小波函数、分解层数和阈值形式及数值的选取,通过算法分析与对比选择了采集的回波信号的降噪算法。断股建模部分先用ATP仿真软件做了仿真数据作为数据建模使用,在数据处理单元通过经验模态分解法进行IMF分量的获取回波信号特征值。在这些特征值中选取跟随断股程度相关的三个特征分量,形成联合特征组来做后续的建模使用。在建立判断模型时选取了三输入一输出的BP神经网络模型,通过仿真数据建立了断股判断模型,再通过迁移学习的方式在实验室模拟现场环境进行模型校正。本文研究的基于行波法的避雷线断股检测方法,通过实验选型改进了传感器特性,与细铜线绕制的线圈相比幅值提升了6倍,是综合检测性能最好,速度快,回波明显,杂波少的罗氏线圈。在信号处理模块选择了硬阈值的Coif5函数的三层分解作为回波信号的处理函数,在保留回波信号特征的前提下,信噪比提升了4.5268。最终建立了基于特征提取的神经网络断股判断模型,仿真数据的误差在5%以内,实际数据误差在10%左右,可以较为准确的判断断股程度,是一种有效的断股判断方法。