孟宪梁，梁 伟，杨 志，冯文新，柯 超，尹立军

(1. 国电电力新疆新能源开发有限公司，乌鲁木齐 830000；2. 华风数据(深圳)有限公司，深圳 518110)

0 引言

由于风电机组长期处于复杂的工作环境中，因此开展风电机组故障预警可以有效降低风电机组的维护成本，提高风电机组的可用性，进而提高风力发电项目的经济效益。变桨系统是风电机组的关键设备，其可在不同工况下控制风电机组功率与转速的平衡[1]，而变桨系统故障是风电机组故障中最常见的故障之一。

当前，针对风电机组变桨系统故障预警的研究主要集中在对SCADA系统数据进行分析[2]，以及机器学习算法可有效应用于风电机组变桨系统的故障预警这些方面[3]。河北工业大学的学者成功使用SCADA系统数据进行了变桨系统的状态预测[4]；南京理工大学的学者利用支持向量机进行机器学习，实现了对齿形带断裂故障的智能检测[5]；北京交通大学的田彤彤[6]采用SCADA系统与机器学习算法结合的方法，针对风电机组变桨系统的状态评估与预测进行了研究，为消除风电场的环境随机因素对风电机组运行的干扰，其采用滑动时间窗的方法处理模型残差，并以残差阈值作为变桨系统状态的判断依据。上海机电学院的梅晓娟[7]研究和分析了变桨系统的SCADA系统数据，对机器学习算法SVM进行了改进，并将其应用于变桨系统的SCADA系统数据建模方面。

变桨系统变频器是变桨系统中故障发生率最高的部件，为了减少因变桨系统变频器故障而导致的变桨系统故障，研究变桨系统变频器的故障预警十分必要。……