随着不可再生能源的逐渐匮乏和环境污染问题的日益加剧,风能等可再生清洁能源受到全球各个国家和地区政府的青睐和大力支持。风力发电机结构较复杂,且长期连续地工作在自然条件较恶劣的陆地和海上,容易发生故障。如果不能及时地发现问题,容易使小故障逐渐发展成重大事故,造成不可挽回的损失。因此,如何利用智能检测手段及时发现风力发电机的潜在故障,并通过实时远程监控系统及时预警是目前风电行业正在研究的重要课题。本文对风力发电机的常见故障进行了分析,从不同的方向提出了两种故障诊断的方法,设计实现了基于B/S模式的风力发电机远程监控及健康预测系统。本文的主要研究内容包括以下几个方面:(1)根据风力发电机的结构特点,对重要部件的故障原因进行了分析。(2)根据风力发电机在不同健康状态下关键部位的振动信号具有规律性,提出了一种基于振动信号处理的故障诊断方法。对关键部位的振动信号,采用CEEMDAN方法分解得到一系列IMF分量,结合豪斯多夫距离和互相关系数选取有用的IMF分量组成一矩阵,对此矩阵进行奇异值分解,选较大的几个奇异值,归一化处理后作为一组状态特征值。采用极限学习机算法对各种状态的特征值进行了分类训练和预测,并使用支持向量机算法对比验证了所提出方法的预测准确性和快速性。(3)考虑到零部件的故障率也会对设备的故障诊断有很重要的作用,提出了一种基于零部件故障率和故障症状的设备故障诊断方法。基于威布尔分布模型建立了零部件故障率求解算法,运用模糊综合评判方法构建了基于故障症的诊断方法,将零部件的故障率引入了故障诊断模型,通过实例验证了提出方法的适用性。(4)应用B/S架构和Apache+MySQL+PHP组合,开发了风力发电机远程监控系统,实现了用户登录、管理,各风电场、各风机运行状态监控,报表绘制等功能,并结合Python语言实现了本文提出的基于振动信号的故障诊断与预测功能。