风力发电作为风能利用的主要形式，近10年来快速增长，但随着大规模风电场的建设与投产，风电场的运行与维护成为风电场面临的最大问题。尤其是早期投产机组出现故障的频率增加，采用传统的“事后维修”方式，不仅影响风电场的正常运行，而且花费巨大的人力物力财力代价，造成经济损失。实现故障的早期诊断及预警，实现“视情维修”将大大降低维护费用，缩短维修周期，提高风电场运行效率。风力发电机组在线状态监测与故障诊断系统是风力发电系统长期保持安全优质运行的重要举措，而实现故障诊断系统的关键是准确提取故障特征量。发电机作为风力发电机组能量转换的关键设备，其运行的稳定性直接影响到整机性能。从瑞典统计的风力机故障发生情况来看，发电机是机组中故障率较高的部件。鉴于此，本文以风力发电机组的发电机作为研究对象，研制一套风力发电机在线故障诊断系统，着重研究发电机故障特征在线提取和故障诊断。首先，对发电机的故障机理进行了深入分析，利用定子电流信号和振动信号作为故障特征信号，实现故障的准确定位。然后，采用小波包分析对故障特征信号进行处理，获得信号各频段的能量，以此作为故障特征量。进一步，上位机的故障诊断软件根据故障特征向量与故障模式之间的映射关系，采用BP神经网络建立故障诊断模型进行故障“智能诊断”。最后，结合傅里叶变换和小波包分解，实现发电机故障类型的“人为诊断”，以此验证智能诊断系统的准确性。装置在广东省红海湾风电场进行了现场试验，实验结果表明该装置能够准确有效的诊断发电机常见故障。