风力发电机组是风力发电系统的关键设备,一旦发生故障,将造成非常大的经济损失和不利影响。在大型风电场中,风电机组一般分布面积广、数量多,并且远离监控中心,工作环境恶劣。为了保证风电场安全稳定运行,并提高其管理效率,需要拥有能满足风力发电机组运行要求的状态监测与故障诊断系统。大型风力发电机组结构复杂,而且机、电、气耦合,故障信号具有背景噪声干扰大、非平稳、非线性的特点,往往是多故障源信号混叠在一起,对故障信息的正确分析与获取,进而准确地诊断故障造成困难。因此,研究故障信号的消噪与特征提取分析技术,是进行准确故障诊断的技术关键。本文首先介绍了风力发电的现状,以及进行风电机故障诊断的必要性,并详细介绍了风力发电机的组成、工作原理,以及各个部位的典型故障；根据风力发电机振动信号的机理和振动特点,本文应用现代信号分析处理技术对风电机组振动信号进行处理分析,包括信号消噪、奇异点监测、特征提取等。文章首先分析了小波消噪、小波包消噪、提升小波消噪等现代信号处理技术在风机故障在线诊断中的应用效果。然后通过对风机振动信号的小波包分解,验证了风机故障特征提取分析方法的有效性。为了能提高风电机故障诊断的准确性,预知其故障趋势,本文以数据挖掘技术为基础,对一组风电机故障数据采用决策树算法验证了数据挖掘可以有效地进行风机故障诊断。最后设计了一个基于B／S模式风电场远程在线故障诊断监控系统的架构,并提出了软件实现体系结构图。