随着世界性能源危机的加剧和全球环境日趋污染,许多国家都更加重视洁净的新能源和可再生能源的研究、开发和利用。风能作为可再生绿色能源,备受世界各国的关注,目前已在世界上几十个国家得到了广泛的开发和利用。风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。本课题采用高斯过程的特例—NSET (非线性状态估计)对风力发电机组关键部件进行建模及状态监测,具有较大的实用价值。主要工作内容和成果如下：详细分析了风力发电机组状态监测的现状。根据变量测量位置和作用的不同,对SCADA数据进行分析及分类,深入研究SCADA数据。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用NSET方法建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过合理构造过程记忆矩阵,使模型覆盖齿轮箱的正常工作空间。当齿轮箱工作异常时,其动态特性偏离正常工作空间,NSET温度模型预测残差的分布特性发生改变。对振动信号的建模和分析可以实现对机组重要部件如塔架、传动链、叶轮等的状态监测工作。在对风电机组塔架振动特性及其影响因素进行细致分析的基础上,建立了塔架振动模型,该模型由额定风速以下和额定风速以上两部分子模型构成。本课题对非线性状态估计技术的物理意义及特点进行了深入的分析和探讨。在某风电机组2006年4至6月份SCADA数据的基础上,建立了覆盖其正常工作状态的塔架振动模型,并对该模型进行了验证。