随着风力发电产业的不断发展和装机容量逐渐扩大,对风电机组的要求也越来越高,其主要组成部分变桨系统的故障率也居高不下,对风电机组变桨系统的运行状态进行监测和故障诊断是急需解决的问题。本文针对以风电机组运行状态的可靠性问题展开研究,基于监视控制与数据采集系统(Supervisory Control And Data Acquisition,SCADA)数据对变桨系统故障高发部位的运行状态进行监测分析。首先对风电机组变桨系统的组成、工作原理以及主要故障类型进行了详细的介绍,并针对现存的状态监测和故障诊断的问题提出了改进的非线性状态估计模型(Nonlinear State Estimate Technique,NSET),对风电机组变桨系统相关运行状态进行了状态评估。并与已有的状态监测模型神经网络模型中的BPNN(Back Propagation Neural Network)模型进行对比分析,验证NSET模型的可行性和优越性。然后在故障诊断的基础上提出失效分析的思想,结合模糊评判理论与核密度分析以及超级电容容值分析等方法主要对风电机组变桨系统超级电容的真实运行状态进行了具体的评估,初步实现对超级电容运行过程中失效情况的判断。最后利用Tableau将运行状态的监测结果直观的用图表形式表现出来,能够及时有效的应对突发故障,达到人机交互的效果。