风能是近几年来发展最快也最有前景的清洁能源,平均每年的增长速度超过20%,已经是世界能源结构的重要组成部分。但是,目前风力发电每千瓦小时(kWh)的成本明显高于常规能源,其中运行维护费用超过总收益的10%,严重制约了风能的开发和利用。目前已经应用的基于振动信号的风力发电机状态监测和故障诊断技术需要安装大量传感器,并依赖于这些传感器,降低了风力发电机组的可靠性。为了降低风力发电的成本,克服传统的设备运行维护方法和基于振动信号故障诊断技术的缺点与不足,论文研究了基于电参数的风力发电机组故障诊断技术。风力发电机组通过风力机捕获风能,由传动链传递给发电机,发电机将捕获的风能转换为电能输出给电网。风力发电机组的风力机、传动链和发电机等任何一个部分故障都会影响到发电的品质。论文针对目前安装运行较多的双馈异步感应发电机组,通过双馈异步感应发电机组原理的分析,研究探索双馈异步感应发电机组机械故障和电气故障时的电流、电压信号故障特征量。对双馈异步感应发电机的主要部件故障状态建模仿真,验证了双馈异步感应发电机组故障时电流、电压信号故障特征量的准确性。结合现代故障诊断技术,采用小波包去噪、小波包提取故障特征量,构造和训练故障诊断多级神经网络。仿真与实验验证了设计的可行性。根据风力场监控网络特点,设计实现分布式双馈异步感应风力发电机组电参数智能故障诊断系统。本文所做的工作对风力发电机组的故障诊断研究具有重要的意义和实用价值。