随着世界人口的持续增长以及各国经济的发展,能源紧缺成为了世界各国都无法忽视的问题,正是在新能源发展的背景下,依托风能的风力发电技术得到了迅捷的发展。风电机组数量快速增加,带来了对风电机组的日常维护、定期检查和检测维修等需要风场和维修厂花费大量时间的工作需求,加之风电行业“去补贴”转型的推进,控制维修成本成为了风电行业必须重视的重要一环。目前风电机组的维护仍旧采用通过设置好的参数来对风电机组进行静态调试维修的维护方式。然而,风电机组在运行过程中始终处于不同运行工况,仅通过设置参数进行静态调试无法有效诊断机组故障。故解决故障诊断不彻底导致的二次维护问题具有重要的现实意义和学术价值。本文立足于解决风电机组不同工况下变桨系统故障诊断需求,从变桨系统故障分析、数据处理、工况划分、故障诊断四个方面进行研究,并对变桨系统故障诊断模型进行仿真模拟验证,建立风电机组分工况变桨系统故障诊断模型,主要研究工作如下:（1）风电机组变桨系统故障分析研究。首先阐述风电机组变桨系统结构以及工作原理,在此基础上对机组各阶段运行特征进行分析;基于FMEA法对变桨系统全工况下所产生的故障进行分析总结。（2）风电机组运行工况划分与工况辨识研究。基于Quartile-Copula法对风电机组SCADA历史数据进行处理,清除风电机组异常数据;针对风电机组启动、最大风能捕获、恒转速调节、恒功率调节四个阶段进行工况划分和辨识。（3）风电机组变桨系统故障诊断。首先筛选风电机组变桨系统特征参量。根据对风电机组工况划分以及变桨系统特征参量的筛选结果,针对BP神经网络的不足,提出了基于PSO-BP神经网络的异常识别方法,通过比较可知PSO-BP神经网络算法精度更高。最后基于Elman神经网络算法建立对不同工况下变桨系统故障诊断模型,实现对变桨系统的故障诊断。（4）风电机组变桨系统故障仿真分析。利用Matlab/Simlink软件建立双馈风电机组模型对风电机组变桨系统不同工况下故障模式进行仿真,并对本文所提出的分工况变桨故障诊断方法进行验证,最后评估故障诊断模型的准确率。