风能作为最具应用前景的清洁能源,风能的利用历来受到人们的重视。风力发电机作为开发风能的主要设备,其可靠运行至关重要。目前基于模型的风力发电机故障诊断的研究往往是基于统计理论的,需要知道系统噪声的统计特性,然而实际中噪声统计特性往往未知。由于全对称多胞形算法不需要知道噪声的统计特性,因此,提出了一种基于全对称多胞形集员的风力发电机故障诊断算法,实现风力发电机传感器故障及发电机-变流器系统故障的检测和隔离。目前基于集员的故障诊断方法往往依赖于基于集员的状态估计算法,因此针对参数不确定离散时间系统,提出一种投影紧缩状态集的全对称多胞形状态估计算法。首先联立测量和预测方程,得到全对称多胞形单位间隙矢量的约束方程;接着,结合奇异值分解法,利用投影矩阵将近似外包集合投影到约束方程解集的空间上,得到新的全对称多胞形。将新的全对称多胞形代入由测量和预测联立的方程中,最后得到确保状态的紧缩集,从而实现状态方程的测量更新。新算法放弃传统的全对称多胞形算法利用增益矩阵和残差更新迭代状态方程的形式,采用对全对称多胞形投影的方式,使得状态集相对于未投影的情况容积率更小。提供的算例验证算法的有效性。基于全对称多胞形投影的状态估计算法提出一种基于全对称多胞形的风力发电机故障检测和隔离算法。首先对风力发电机的基本模型泰勒展开,对其离散化处理。为了保证对系统状态的确保估计,并实现零误诊率的故障诊断,在离散化的过程中考虑极端情况,对包括拉格朗日余项在内的所有不确定的项定界处理,并提供了相应的故障检测方案。通过求故障的转移矩阵,实现故障可隔离性分析。为了实现风力发电机传感器故障及发电机-变流器系统故障的隔离,引入了残差集和形式残差的概念;通过判断形式残差具体属于哪一类故障的残差集,得到判断出各类故障的充分条件,即实现故障隔离。提供的仿真验证出所提算法的有效性。