风力发电,是一种应用前景良好的清洁可再生能源技术。在当前节能减排和减少污染的发展趋势下,风电机组得到了大规模的使用。风电机组大多工作在相对恶劣的环境下,从而故障率较高。快速准确的整机故障诊断,和有效的脆弱性分析,具有降低维护成本和减小发电量损失的意义。本文针对风电机组中的整机故障诊断问题进行了研究,提出了基于双层PSDG(Probabilistic Signed Directed Graph)的故障诊断方法和单机与多机的故障排序方法,实现了故障发生后的整机故障诊断功能和故障发生前的脆弱性分析功能,克服了现有风机故障诊断方法仅针对单一部件和缺乏整体性分析等不足。首先,本文研究了故障发生后的风电机组整机故障诊断问题。为快速准确地实现主故障定位,本文提出基于双层PSDG的故障诊断方法,将故障诊断的分类问题转化为排序问题。根据故障列表,提取出候选故障;通过计算偏相关系数,建立复杂网络,运用kNN算法对候选故障进行排序;通过故障列表提取包含主故障的故障序列,建立贝叶斯网络,用朴素贝叶斯的方法对候选故障进行排序;通过传感器层和故障列表层的排序结果确定综合排序指标,获得故障搜索序列和故障诊断结果。该方法保证了整机故障诊断的快速性和准确性。接着,本文研究了故障发生前的风电机组脆弱性分析与故障排序问题。脆弱性分析与故障排序分析包括单机和多机两个层面的内容。对于单台风机,调整故障数据时间范围的选取,运用朴素贝叶斯的方法,对单台风机未来可能发生的故障进行了预测。对于多台风机,使用基于遗忘因子和有向边加权的PageRank算法,考虑了对故障网络有向边的加权和故障的时效性,实现了具有普遍意义的故障重要性排序。脆弱性分析和故障排序有助于对正常运行状态的风机进行维护保养,减少风电机组因故障而停机的次数。最后,在风云平台的基础上,搭建了基于Spark计算框架的大数据平台,并编写了客户端程序。在大数据平台上不仅实现了整机故障诊断、脆弱性分析和故障排序的功能,而且实现了数据的分布式存储和故障的短信告警等功能。