随着我国社会经济的迅猛发展,煤、石油、天然气等不可再生能源所存在的资源枯竭和环境污染问题日益严重,粗放式低效率的能源体系结构成为掣肘经济可持续发展的重要因素,于是寻找并利用绿色可再生替代能源成为推动我国能源体系全方位改革的重要目标。而作为产业化条件最为成熟的可再生能源,风能具有污染小、蕴藏量丰富的特点,风力发电已经作为重要的新能源产业被列入国家战略性新兴产业,风力发电产业也由此获得快速发展。随着我国电力体制改革不断持续深入,我国的能源体系结构已经发生了重大改变,风力发电已经成为继火电、水电之后的第三大能源。然而,风力发电机组故障频发、设备维护管理成本居高不下等风电场运维管理问题严重影响了风电产业的健康发展,导致风力发电行业即使在拥有国家政府补贴和政策扶持的情况下,仍不具备强有力的市场竞争力。基于上述研究背景,为降低风力发电度电成本,提高风力发电整体竞争力,本文将深入研究“智慧风场”运维与管理相关关键技术,从故障事前预警、故障事后排查以及零部件备品备件等角度出发,展开以下研究:首先,针对风力发电机组齿轮箱温控阀损坏设计了一种故障模式识别方法,根据故障机理选取齿轮箱润滑油温度作为分析对象,对该变量在不同工况下的正常行为进行建模,采用一种引入双层注意力机制的编码解码深度神经网络模型,准确刻画正常工况下齿轮箱润滑油温度与其他相关变量的快时变非线性关系,实现对不同工况下齿轮箱润滑油温度正常行为的准确估计。该模型能够克服传统机器学习方法中需要人为干预进行数据降维及提取特征的缺点,自适应地确定不同时刻不同变量对齿轮箱润滑油油温的影响权重,并从相关变量历史数据中提取有效特征进行齿轮箱润滑油温度的正常状态估计。基于齿轮箱油温正常状态的模型估计值与实际测量值间的残差,结合统计分析与假设检验的方法得到了用于判别异常行为的阈值控制限,实现了故障早期征兆感知与模式识别,进而在齿轮箱温控阀损坏前实现告警,辅助运维人员提前进行检修以避免停机等严重事故发生。其次,本文基于故障失效模式及影响分析,结合重要度指标和贝叶斯推理设计了一种科学的快速排故方法,并以风电机组偏航系统故障为例进行有效性验证,对故障原因进行快速而准确地排查以便减少停机时长:首先利用故障树分析与二元决策图分析等方法对风力发电机组的故障失效模式及影响进行定性定量分析,梳理复杂故障的故障原因、找出造成故障的最小原因组合并估计故障发生概率,同时基于Simulink仿真平台设计了图形可视化编程工具辅助工程人员快速建立故障树模型,实现最小割集的并行求解以及顶事件发生概率的快速计算。最终以故障失效模式及影响分析结果为基础,结合重要度指标与贝叶斯推理分别得到先验和后验两种情况下的故障原因主次顺序,分别作为日常零部件巡检与故障事后排查的优先级顺序。上述研究从故障事前与事后两个角度出发,减少了故障停机次数与单次停机时长,增加了风力发电机组可靠运行时长,提升了风电场整场发电量并实现了收益开源的目标。最后,为实现风电场投入节流的目标,将工程实际中两种典型的风电企业物流场景分别抽象成单项部件独立备件策略优化问题和多项部件联合备件策略优化问题,创新性地利用故障失效模式及影响分析结果实现了故障相关零部件的缺货损失量化定额,用于科学地计算出优化目标中不同零部件备件的缺货损失成本,最终建立了不同的备件策略优化模型并求解,实现了风电场备品备件补货订货的精细化管理,降低了零部件备件购置、仓储和缺货损失总成本。