风力发电机组的高故障率,导致其维护成本昂贵。因此,如何在随机风的特征下检测和隔离故障是本课题研究的重点。由此提出了一种新的风力发电机组综合故障诊断与隔离(FDI)的算法。它可以准确地估计出未知故障输入的风力发电机组的连续状态和离散状态。其原理是基于所提出的估计器的准确估计来构造系统故障残差,并使用统计决策工具来实现故障检测和隔离。系统的连续状态估计可以通过鲁棒混杂估计获得,并且系统的离散状态估计可以通过贝叶斯理论导出。首先,本文研究了风力发电机组的随机线性混杂模型,该模型可以体现风力发电机组的正常和故障特性、引入马尔科夫跳变过渡矩阵来精确描述风力发电机组的随机动态特性。其次,基于所提出的模型,设计了一个鲁棒混杂估计器来估计风力发电机组的状态。与现有的风能转换系统估计器相比,由于考虑了其离散工作状态,所以提出的鲁棒混杂估计器更符合风力发电机组的特性。最后,利用所提出的估计器,研究FDI算法以检测和隔离风力发电机组的故障。通过仿真分析了随机模型预测控制(SMPC)对风力发电机组具有精准的控制性能以及FDI算法对故障检测和隔离的良好效果,通过所提出的方法可以有效地估计故障幅度和故障发生。