伴随科技的进步和风电机组的制备工艺的不断完善,世界各国的风电场装机容量持续扩增;然而风电机组在工作一定时间之后,其出现运行故障的维护和修理是当前亟待进行解决的问题。目前,双馈风力发电机组得到了广泛的应用,相对于风力发电机组中的发电机和另外的机械部件来讲,风电变流器的稳定性不够理想。变流器所含有的功率器件在运行的过程中往往会遭受温度和环境的负面干扰,在某些情况下会使变流器的工作出现问题,进而很容易导致风电机组受到极大的损害或者直接停机。所以,对变流器故障诊断的探究和分析对保证风电设备的稳定工作具有不可忽视的价值。首先,本文基于双馈风电并网系统理论构建了专门的双馈电机和双PWM变流器数学模型,进而在此模型和风电机组各部件控制策略的基础上,通过Matlab/Simulink软件构建了双馈风电机组并网仿真平台。最终的仿真结果表明此系统能够保持稳定的工作,并且在设备运行发生问题的时候可以准确的模拟开路故障,为之后对变流器开关问题的探究奠定了良好的基础。其次,在进行变流器故障特征提取的研究中。针对FFT变换(快速傅里叶变换)反映的是整个时间内故障信号的频域特性,而不适合用于分析非平稳信号和表征时域局部异常数据的问题,设计了一类基于小波分析的故障特征方法。通过利用小波变换对三相故障电流信号进行小波分解,将小波分解得到三相故障电流的低频能量值作为运行状态特征向量,为下一章进行故障识别的研究奠定了基础。仿真结果表明,本文所提出的方法体现出比较理想的正常、异常状态可分性,因此可以有效的完成转子侧变流器开路问题分类识别。最后,对于神经网络问题诊断的训练耗费时间长和网络设计难度较大的问题,本文设计了一类新型的双馈风电转子侧变流器开路问题诊断方法,此类方法以小波和粗糙集为基础,在利用小波变换获取转子侧变流器开路故障特征的条件下,将小波变换所提取的特征向量通过离散化、属性简约的粗糙集进行变流器开路故障诊断。研究表明,基于小波和粗糙集的双馈风电转子侧变流器开路故障诊断方法不但能够提高故障诊断的快速性而且提髙了分类识别准确率,从而提高诊断效率,具有良好的发展前景。