随着风电产业的快速发展,风电场的运行和维护问题已经成为了风电场及众多学者所关注的问题。SCADA系统记录了风电机组关键部件的实时运行状态信息,通过数据挖掘和预测分析实现风电机组运行状态在线监测及故障诊断是降低运维费用的有效途径。首先,本文介绍了风电机组的结构,通过图示说明了风机各子系统的运行原理、常见故障及其原因。在此基础上,介绍了风电机组SCADA系统的功能、组成及监测数据,并针对现有SCADA系统数据量大,但缺少对有效信息的挖掘和利用的局限,指出了本文研究的意义。其次,针对故障发生率较高的齿轮箱滚动轴承问题,首先选取基于马氏距离优化的非线性状态估计(Nonlinear State Estimate Technology,NSET)方法对齿轮箱滚动轴承运行状态进行预测。在此基础上,采用变分模态分解(Variational Mode Decomposition,VMD)算法作为齿轮箱滚动轴承的故障诊断方法,通过对VMD方法的原理以及模态分解个数的确定方法进行介绍,并选取某实验室的齿轮箱滚动轴承故障数据进行分析,利用分析结果说明VMD方法可有效对齿轮箱滚动轴承的故障进行识别。最后选取某风电场的真实齿轮箱滚动轴承故障案例的SCADA数据进行分析,分析结果与该风电场的检测报告结果一致,说明基于马氏距离优化的NSET建模方法结合滑动窗口分析方法的故障预警方法可达到对风电场齿轮箱滚动轴承运行状态监测及预警的效果,基于变分模态分解方法的故障预警方法可达到对齿轮箱滚动轴承故障的有效诊断。