近几年来,我国风电机组的累计装机容量和新增装机容量均位列世界第一,市场规模庞大。但由于风电机组的工作环境恶劣、早期国产风电机组制造水平参差不齐以及风电场运行维护技术不够成熟等原因,导致目前风力发电设备的故障率较高,严重影响到风电场的经济效益,限制了风电行业的健康快速发展。基于以上原因,本文利用河北省张家口地区某风电场的风电机组实际运行故障数据,应用威布尔分布模型对风电机组主要系统部件进行建模分析。根据风电机组部件的故障分布参数及相关可靠性量化指标,对风电机组部件的失效模式进行判断及对其维修决策进行优化等。论文的主要研究工作如下:(1)介绍风电机组的主要系统,并根据实际数据,对风电机组各系统的主要故障模式进行简单说明。针对河北省张家口地区某风电场99台双馈式风电机组6年的实际运行故障数据进行统计,分析各系统的故障发生次数及所造成的故障停机时间等。同时,建立故障数据库,对接下来的相关研究提供数据支撑。(2)本文采用二参数威布尔分布模型对风电机组主要部件进行可靠性建模分析,并对威布尔分布的参数求解方法和相关可靠性指标进行介绍。其中威布尔分布的未知参数采用最小二乘法和极大似然估计法进行求解,并计算可靠性指标。实际中,由于风电机组运行时间较短,存在故障数据样本不足的问题,发现以上两种方法在样本数量较少的时,对参数的估计结果精度较差。(3)支持向量回归机(Support Vector Regression,SVR)是建立在统计学习VC维理论和结构风险最小化原则基础上的机器学习方法,特别适用于故障数据样本量较少的情况。本文应用支持向量回归机求解二参数威布尔分布的形状参数和位置参数,与最小二乘法和极大似然估计法进行对比分析,结果表明支持向量回归机在小样本和大样本条件下均可适用,并在小样本条件下具有一定优势。(4)根据可靠性分析理论,对得到的风电机组主要部件的威布尔分布参数和相关的可靠性量化指标进行分析,判断部件的失效模式及维修方法,优化维修策略,以达到风电场安全稳定运行以及提高经济效益的目的。