风电系统使用寿命通常达20年以上,常年经受酷暑严寒和极端温差的考验,受无规律变向、变负荷的风力作用以及强阵风的冲击等原因使得风电系统不可避免地会发生故障。因此,及早发现故障,减少故障所造成的损失是风电技术推广应用的重要研究内容,本文对风电系统故障诊断技术进行了深入的研究。本文首先介绍了双馈风力发电系统的工作原理,分别在3种不同的坐标系下建立了双馈风力发电机的数学模型,将双馈风力发电机模型采用小扰动分析法进行了线性化处理,又进一步建立了双馈风力发电机的空间矢量模型。对双馈风力发电机正常运行时的气隙磁密、定子并联支路环流特性、定子振动特性、转子振动特性进行了分析。在对风电系统故障原因、故障特征及故障机理进行分析的基础上,分别建立了双馈风力发电机定子短路故障模型、气隙偏心故障模型和转子绕组匝间短路故障模型。分析了生物免疫系统的基本原理及其在多条件、多变量情况下的数学模型。对人工免疫算法、单克隆免疫策略算法进行了理论分析并对其收敛性进行了理论证明,给出了免疫单克隆策略、多克隆策略算法的执行步骤。描述了风电系统故障免疫状态空间,建立了基于免疫算法的风电系统故障诊断响应模型。在此基础上借鉴生物免疫系统理论与运行机制将人工免疫系统的理论与风电系统故障诊断相融合,建立了适合风电系统故障诊断的改进的人工免疫系统。建立了风电系统网侧变流器、机侧变流器数学模型和控制策略,在克隆选择、神经网络算法的基础上,将自适应动态克隆选择算法良好的优化性能与BP神经网络相结合,提出了一种基于自适应动态克隆选择算法的神经网络系统,将优化的神经网络应用于风电系统变流器故障诊断。实验结果表明,该方法可以避开局部最小值,算法收敛速度快,具有较好的故障诊断性能。发电机是风电系统的关键组成部分,针对风力发电机的单一故障,本文对双馈风力发电机定子短路故障下气隙磁密、并联支路特性进行了分析,基于双馈风力发电机电压、电流和通量建立了风力发电机定子故障数学模型。提出了一种免疫记忆动态克隆策略算法,并将其应用于双馈风力发电机定子绕组单一故障诊断,将双馈风力发电机的4种故障特征量作为免疫记忆动态克隆策略系统的抗原。用双馈风力发电机工作状态参数对免疫记忆动态克隆策略系统进行训练,将训练阶段获得的记忆数据应用于发电机故障诊断。该方法使用记忆单元作为类别标签,记忆单元根据种群自适应性平均值不断更新,当种群自适应度的标准偏差为零时,存储器单元不改变,可确保算法早期的收敛性。实验结果表明所提出的基于免疫记忆动态克隆策略算法风电系统故障诊断系统具有比较好的分类效果,对于双馈风力发电机定子绕组单一故障诊断是适用和有效的。当风电系统运行时,双馈风力发电机定子电流中的故障信号比较微弱,故障分量的频率与基频分量的频率非常接近,故障分量的幅值也较小,易被泄漏的基频分量及噪声淹没。本文分别对转子故障、偏心故障、偏心与转子复合故障下的气隙磁密、定子并联支路环流特性进行了理论分析。在此基础上将小波分析与人工免疫系统相结合,针对风力发电机的复合故障,提出了一种基于小波-抗体记忆克隆算法的双馈风力发电机偏心和转子复合故障诊断方法。该方法首先对双馈风力发电机定子电流信号进行小波分析,经小波分析计算出小波系数,由小波系数计算出双馈风力发电机故障信号的能量,经过归一化处理形成故障特征量。将故障特征量隐喻为抗原,采用抗体克隆记忆算法生成抗体,经过选择、克隆、变异、抗体再选择、抗体记忆以及压缩等操作产生新的抗体,用产生的新抗体对风力发电机复合故障进行诊断。实验结果表明,本文提出的基于小波和抗体记忆克隆算法相结合的方法取得了比较好的风电系统故障诊断效果。针对风电系统综合故障,分别对风电系统偏心、定子、转子绕组短路故障以及复合故障下的振动特性进行了理论分析,提出了一种基于自适应多克隆策略算法的风电系统综合故障诊断方法。该方法将风电系统振动信号、电流信号作为故障的特征量,将其隐喻为免疫故障诊断系统的抗原。系统根据每个抗原、抗体种群亲合度的大小,自适应地调节抗体对抗原的适应性和抗体种群规模的大小,将抗原归并至某一组确定的抗体种群中。多克隆算法引入了交叉重组操作,使抗体的多样性在进化过程中得到了增加,这使得算法在避免陷入局部极小值的能力和局部搜索能力方面都得到了提高,将该方法应用于风电系统综合故障诊断取得了比较好的效果。基于上述研究,利用GE智能平台的集成开发环境和IFIX组态软件开发了基于免疫算法的风电系统综合故障诊断软件,完成了系统调试和算法验证工作。用故障诊断系统对风电系统综合故障进行诊断,通过实验比较了采用不同复合故障信号诊断方法对风电系统故障诊断结果的影响。实验结果表明,利用风电系统振动、风电系统电流复合信号对风电系统故障进行诊断可以取得比较好的诊断效果,系统具有良好的故障诊断能力。最后,本文对研究成果进行了全面总结,并对基于人工免疫系统的风电系统故障诊断技术进一步研究进行了展望。