风能具有清洁、环保、可再生的优点,在新能源开发中风电并网技术最为成熟。目前,我国陆上、海上风电发展正处于大容量建设阶段,高比例风电并网成为我国电力的转型方向。然而,在陆上、海上风电场出现大规模高电压脱网现象后,原有电力系统电能质量及稳定运行受到严重影响。为此,有必要及时进行陆上、海上风电机组高电压脱网故障溯源。本文获得的溯源结果后续可作为保护设备切除故障的决策依据,从而减少陆上、海上风电机组高电压脱网对电力系统的影响。本文基于故障树对陆上、海上风电机组高电压脱网成因进行了分析,确定了陆上、海上风电机组高电压脱网的典型故障场景;基于PSASP暂态稳定分析模块,分别对陆上、海上风电机组高电压脱网的典型故障场景进行了仿真,得到因高电压脱网的陆上、海上风电机组输出波形,分析了相应的波形特性。针对陆上风电机组高电压脱网故障溯源,基于电气量、机械量特性构建了故障特征指标体系;基于SU-MRMR法筛选原始指标得到特征指标子集,从而降低了原始指标的冗余度;采用粒子群优化算法对支持向量机参数进行优化以提升陆上风电机组高电压脱网故障溯源性能;基于西北电网进行了算例分析,验证了本文所提陆上风电机组高电压脱网故障溯源方法有效性;最后,从无功补偿、风电机组出力方面提出了陆上风电机组脱网抑制措施。由于海上风电场的风电机组选型、直流线路类型、传输容量、运行工况有别于陆上风电场,本文提出了适用于海上风电机组高电压脱网故障溯源的方法。基于海上风电机组输出波形局部、整体分析,总结了海上风电机组高电压脱网故障特征指标体系;为提高BP神经网络的故障溯源效率,基于Gini-MRMR法对原始指标进行了筛选;采用遗传算法-蚁群算法-粒子群算法对BP神经网络参数进行了优化,保证了故障溯源的准确率;基于算例分析验证了本文所提海上风电机组高电压脱网故障溯源性能;最后,基于不同故障场景对海上风电机组的影响特性,提出了相应的海上风电机组抑制措施。