风力发电机的异常可能会降低其发电能力,影响对电网的供电。为了减少风机异常带来的损失,风力发电机的状态监测和异常识别日益重要。针对故障诊断领域遗留的一些问题,在风机数据分析的前提下,本文提出了一种基于统计控制图对风力发电性能监测的方法。基于对风机功率曲线的长期研究,人们认识到风机正常时的功率曲线曲率和形状是可变的而不是固定的。以前基于固定参考功率曲线的监测方法因为没有计算曲线变化,因此可能产生错误的警报,所以本文主要研究的是基于风机功率曲线的统计控制图,通过统计控制图对功率曲线曲率和形状变化进行监测分析,判断出风机的性能是否异常,从而对风机进行安全维护。本文首先介绍了课题背景及研究意义,然后介绍了基于统计控制图对风力发电性能监测方法的具体实施过程,并通过实际的风机数据对研究方法进行仿真测试,从而判断该监测方法的实用性。具体研究内容如下:第一,风机功率曲线的拟合方法研究。针对风机功率曲线的特点,提出了两种拟合方式:功率曲线的线性拟合、功率曲线的韦伯拟合。通过对两个拟合曲线进行仿真分析,判断出两个拟合曲线的拟合效果,从而选取效果更好的拟合曲线进行使用。第二,基于风机功率曲线形状的一元控制图研究。为了监测功率曲线形状的变化,提出了I-MR控制图和MR控制图,通过监测风机功率曲线形状的变化来识别风机发电性能。这两个控制图主要是对拟合曲线和功率曲线中残差值的变化进行统计分析来建立。第三,基于功率曲线曲率的二元控制图研究。为了监测功率曲线曲率的变化,提出了二元T2统计控制图,通过监测功率曲线曲率变化来识别风机发电性能。该控制图主要通过对拟合曲线求取的二元参数进行相关变化来建立。第四,基于二元控制图中协方差矩阵的研究。在二元控制图监测风力发电性能中,需要保持协方差矩阵在受控状态,为了监测二元控制图中协方差矩阵的变化,提出了基于特征向量和特征根的协方差矩阵统计控制图,通过监测协方差矩阵变化来识别异常数据集。该控制图主要通过对所有子数据集得到的协方差矩阵的特征向量和特征根生成椭圆之间相似性进行分析来建立。