随着风力发电市场的快速发展,风电机组累计装机容量和单机容量的增加及运行环境的复杂性对风电场运维提出了更高的要求,风电机组状态监测备受关注。目前风电机组状态监测方法多为部件子系统级监测,无法从整体层面考虑各部件及子系统的相互影响,且多数监测方法需要安装额外的监测诊断设备。风电机组标配的SCADA(Supervisory Control and Data Acquisition)系统虽然能广泛监测各子系统及部件,但目前其监测方法仅局限于单一的参数值越限报警,无法预防设备故障的恶化,故障结果未考虑部件和子系统之间的相互影响,所以无法提供有效的故障诊断技术支持。因此本文旨在深入挖掘SCADA数据可用性,对基于运行监测数据分析的风电机组状态监测方法进行研究,为今后风电机组基于运行数据的状态监测与故障诊断深入研究提供思路。基于在役风电机组实际数据,结合机组运行原理对反映部件子系统状态的监测量及SCADA相应数据进行筛选;利用最小二乘法建立风电机组正常状态最小二乘矩阵,以实现对风电场不同运行状态机组的快速筛选;最后针对运行状态异常机组,用多项式回归的方法建立机组正常状态下多项式系数模型,对故障部件或子系统进行初步定位。