风电机组是由多个部件组成，开展对其关键部件在线状态监测和故障诊断的研究，可及时识别故障征兆、实时掌握故障渐变发展程度和节省故障排查时间，为优化运维检修策略进而提高整机的运行可靠性具有重要的学术意义和工程实用价值。包括风电机组的叶轮、齿轮箱、发电机、变流器和变桨系统5 个关键部件的在线故障诊断研究现状。
1、叶轮
叶轮是捕捉风能关键部件，包括叶片和轮毂。目前，对叶片老化和损坏、叶轮不平衡故障的研究较多，现有的在线状态监测和故障诊断方法现多处在实验室模拟仿真阶段，在实际应用中比较鲜见。
a. 叶片老化和损坏。叶片运行环境恶劣，酸雨、冰冻等侵蚀以及叶片旋转时变化的冲击力破坏，引起叶片裂纹甚至破裂。关于叶片动态无损在线监测技术有声发射、超声波、光纤光栅和振动分析等技术。相比超声波和光纤光栅技术，声发射可获得叶片上较为全面的缺陷信息，具有相对较高的灵敏度和分辨率，能够准确监测到薄弱区位置
b. 叶轮不平衡故障。随着单机容量不断增大，叶轮直径越来越长，风力机的柔性也越强，尤其在北方冬季，叶片结冰使得叶轮不平衡造成整体结构振动进一步加大，将在传动链部件产生疲劳应力，严重影响机组寿命。现有大多数研究是从发电机的电气信号中提取故障特征。
2、齿轮箱
关于齿轮箱在线监测和故障诊断的研究较多，除离线检测的油液分析方法外，在线的分析方法主要包括：振动分析、温度分析和电气分析。
a. 振动分析
通常从振动特征量的时域和频域中提取齿轮箱的故障特征。
目前，现有的风电机组状态监测系统产品也大多以振动特征量分析为主，采用数据离线分析和专家辅助分析方式，获取得到齿轮箱轴承和齿轮的状态监测和故障诊断结果。但是，振动分析对于低频信号具有一定的局限性，且在齿轮箱本体上安装传感器获取振动信号需增加投资和维护费用。
b. 温度分析
温度特征量在一定程度上反映齿轮箱的运行状态。利用非线性状态估计方法建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过模拟齿轮箱的故障情况，在SCADA 监测数据中加入温度偏移来模拟故障，分析结果如图5所示，均值曲线的95% 置信区间的上限在第451 个滑动窗口超出了预先设定的均值阈值，在第551 点处，监测出齿轮箱温度的异常变化情况。然而，由于温度具有热惯性特性，变化缓慢，易受到外界环境因素影响，采用固定阈值时，当发出预警信号时，部件已经严重劣化，故障可能即将发生，难以起到早期故障诊断的作用。因此，有必要研究多种工况下的温度特征量动态阈值确定方法。
c. 电气分析
从发电机中电气信号的时域和频
域中提取故障特征信息来实现齿轮箱的故障诊断。相比其他信号，电气特征量的采集不需要另行加装传感器，不会影响到机组的完整性。但是风电机组运行环境复杂，干扰源较多，还可能存在多部件异常特征交叉重叠发生，需考虑实际运行环境，深入研究基于电气特征量的齿轮箱状态特征提取算法。
d. 油液分析
齿轮啮合在非正常的磨损状态出现，会瞬间产生巨大磨损颗粒，或磨损率上升导致磨损颗粒数量显著增加。油液分析被认为是实现齿轮箱状态监测和故障诊断最有效的技术之一，包括红外光谱技术、铁谱技术、颗粒分析技术、气相色谱技术等，通过提取油液中各项监测指标，包括运动粘度、PQ 铁谱、酸值、水分等，监测和分析油液中各类监测指标变化情况，实现齿轮箱异常检测。目前，我国许多机构先后建立了油液监测实验室，但是因受限于监测硬件（传感器）设计和制造技术，存在测量误差较大、精度低因素，还没有在实际中实现在线油液监测。
3、发电机
关于发电机的故障诊断研究，大多是通过在线监测定子电流、转子电流、有功功率变化情况，对匝间短路、单相或多相短路、轴承损坏、转子偏心等进行故障诊断。
4、变流器和变桨系统
a. 变流器
变流器作为电能回馈至电网的关键控制通道，是影响风电机组及入网安全稳定运行的重要环节。现有文献中多采用基于样本训练的在线变流器的智能故障诊断方法。
研究主要侧重于风电变流器的故障诊断，然而，由于风速的不确定性，风电变流器运行的可靠性受机侧变流器低频运行和风速随机波动影响较为严重，变流器输出功率变化很大，使得功率器件运行在不同载荷水平下，可能导致器件结温的变化，功率器件会承受长期、频繁的不均衡电热应力，造成疲劳累积，导致焊料开裂、焊线脱落等故障现象发生。图所示为11 m/ s 的湍流风速及双馈风电机组的机侧变流器IGBT 结温变化情况，可见IGBT 功率器件在整个变流器寿命周期内需要承受频繁波动且幅值为20 °C 的结温热循环，不可避免地将加快器件老化和失效速度，因此，基于疲劳、失效机理的风电变流器的器件的在线状态监测应该引起关注。目前关于功率器件的该领域研究比较少见。
b. 变桨系统。关于变桨系统的故障诊断研究较少，变桨系统转速极低，运行不连续，负载随机，对其在线状态监测可采用振动分析或发电机的电流信号进行分析。另外，考虑基于单一参量的绝对阈值评估方法，可能导致现有变桨系统状态监测方法不能及时准确地在线判断其异常状态的问题。
