风电机组工作环境复杂,可能导致风机在某些时间段会处于亚健康状态运行,虽然不一定会使得机组停机,但会削减机组出力及发电量,从而影响风机运营企业经济效益。为降低风电机组在亚健康状态下的发电量损失,需对机组此类状态进行判别与评估,从而制定更具针对性的运行维护方案,避免机组状态进一步恶化导致各类故障的发生。本文通过利用风电机组运行数据建立不同模型算法对风电机组性能状态进行评估,研究内容如下:首先,分析了风电机组SCADA系统中机组运行数据的分布特性,研究了现有的数据清洗相关算法,针对其不足之处提出最优组内滑差比例法进行优化,实现对风电机组原始数据的清洗,以灵活地适应评价模型对输入参数的要求;其次,整理现有的风电机组性能评估方法和风机性能评价指标,通过Copula模型对风电机组不同运行状态与影响因素之间进行相关性分析,找出各特征状态变量之间隐含的因果关系以及相关关系;然后,在Copula模型的基础上提出vine-Copula贝叶斯网络模型的风电机组性能状态评估模型,通过vine-Copula模型为贝叶斯网络图形网络结构的搭建提供支撑,结合了 vine-Copula模型与贝叶斯网络各自地优点和长处,对风电机组高温降容状态进行评估;最后,研究Boosting算法在风电机组性能状态评估模型中的应用,分别比较不同的Boosting算法输出结果,以得到不同的Boosting算法在建立状态评估模型时的优缺点,有效解决了vine-Copula贝叶斯网络模型对性能状态临界点的评估不足的缺陷。同时在运算准确度、运算效率以及模型复杂度方面得到了很大的改善。