近年来风电行业发展迅速,带来了风电机组设备装机量的剧增。但是,由于风电机组系统的庞大与复杂性,导致风电机组的故障率很高,并且故障种类多样。尤其在我国,由于很多限制因素的影响,如技术相对落后,政策不对称等,导致当前风电设备故障率持高不下。一旦机组发生故障,设备便无法正常运行,导致风电场损失惨重。故发展有效的故障预测技术能对风电机组的健康管理提供有效的技术支持,使机组的维护工作,从器件、人员到时间被安排更加合理,提高风电机组的利用率。本文先对风电机组的构成与发电原理进行总结归纳,并对当前的主流故障预测方法进行了总结与对比,以选择合适的预测方法对风机的故障进行预测。考虑到风电机组系统的复杂性以及运行环境的多变性,使得风电机组的实时运行参数序列不平稳且存在一定的随机性,与其他方法相比,基于灰色理论的故障预测方法拥有模型计算简便、效率高、对数据没有过多要求且可以处理非平稳时间序列等特点,因此选择灰色预测模型对风电机组进行故障预测。本文以灰色预测模型为主要方法展开研究,以风电机组实测参数的数据处理以及故障预测模型的原理为两个切入点对预测方法进行改进。实测参数的数据处理包括对特征值、最优训练样本点数的选择;模型的原理改进包括在灰色预测模型GM(1,1),GM(l,n)中融入邓氏关联分析技术、数据融合技术(递推估计与加权自适应估计),以填补灰色预测模型无法综合考虑多个参数对风机整体状态的综合影响的缺陷,以期提高灰色预测模型的预测精度。经验证,针对故障类型选择合适的特征值可以有效提高故障预测精度;选择最优的训练点数对故障预测模型的精度有着显著提高;混合使用邓氏关联分析、递推估计与加权自适应估计数据融合技术后的GM(1,1)、GM(l,n)模型可以有效地对风机的故障进行预测,并且精度有所提高。