随着人们对环境保护日益重视,国内外风电产业呈现出高速发展态势。由于国内风电产业起步较晚,产业发展虽然快速但非常粗放,风电装备制造、风电场运营等诸多方面的产业成熟度不高,由此带来风电装备、电场的事故频发,目前已成为制约我国风电产业健康、快速发展的重要原因。因此,开展风电装备故障预测与健康管理(PHM,Prognostics and Health Management)的研究具有重要的现实意义和应用价值。以国内某风电场为对象,基于对典型风电场健康管理需求的充分的调研,提出了适合国内风力机健康管理的PHM技术研究框架。首先,按照FMECA(Failure Mode Effects and Criticality Analysis)的分析流程,完成了风力机系统的FMECA分析,给出风力机的主要部件、对应的故障模式、故障主要原因及严酷度等。其次,提出了基于风电场SCADA(Supervisory Control And Data Acquisition)数据预处理的方法。提取重要部件的状态特征之后,采用加权D_S证据理论融合技术。然后,基于模糊理论提出并建立了变权模糊综合评价模型,经过实际数据验证,评价结果贴近风力机的实际情况,验证了模型的有效性;根据风力机不同的设备特性,采用合适的诊断方法进行了故障诊断的研究,为故障预测提供支持。最后,开展了风力机故障预测的研究,基于灰色理论提出了等维灰数动态预测模型,仿真和实际应用表明,提出的预测模型提高了风力机故障预测的精度。以国内某风电场采集的实际监测数据为样本,分别对风力机的状态评价、故障诊断和状态预测进行实例验证。采用J2EE架构设计和开发了风力机故障预测与健康管理原型系统,该系统集成了实时状态评价、故障诊断和状态预测,实现了风力机的健康管理。实验结果表明,论文改进的数据融合方法、变权模糊综合评价模型及等维灰数动态预测模型等方法有效、可行,PHM原型系统很好的实现了风力机的状态评价、故障诊断和状态预测。本文的研究成果对于提高风力机运行的可靠性,降低其故障发生率,提高风电场的运营效率具有很好的实际应用价值。