由于山地风场风速、风向的频繁改变导致风电机组运行工况复杂多变,进而会降低机组的安全性和稳定性,导致风电场的经济效益严重下降。直接利用传统低分辨率的运行数据进行状态评估的准确性难以满足要求。研发基于SCADA数据预处理后的风电机组状态评估是十分有必要的,本文主要通过以下几个方面展开:首先,SCADA数据特征分析。介绍了风电机组及其SCADA系统,由于山地风场风速频繁变化,针对风向和风速分别从风向玫瑰图和高低频数据出发进行了分析,对于风向分析得出,不同季节山地风场同一风力机的风向分布频率会存在一定的差异,同一风场不同位置的风力机的风速风向分布规律也不同。针对风速分别从低频数据和高频数据分析可以得出山地风场风速的频繁变化对机组的运行状态有较大影响,对风速突然上升下降阶段进行分析得出风速突然变化时采用10min数据平均压缩处理方法会导致风电机组的风速功率数据不对应,因此需要一种更好的数据处理方法。其次,SCADA数据预处理。异常数据的存在无法反映机组实际运行的功率特性,为了进一步的研究,需要将由于环境干扰或者耦合等其它因素所造成的异常数据进行过滤。由于10min数据是通过将所对应的秒级数据直接平均得到的,在一些情况下直接利用10min数据对风电机组进行分析会降低评估的准确性,因此需要一种新的数据预处理方法。本文提出了一种POT法和基于DBSCAN聚类异常识别相结合的方法不仅得到了较为准确的新数据来代替原来的10min平均数据并对新数据中存在明显异常的数据进行了数据预处理。再次,山地风场偏航特性分析。山地风场风速风向的频繁变化会导致风力机进行频繁偏航不利于风力机机组的状态评估,通过研究山地风场风力机的偏航特性来研究风力机的状态。先通过数据预处理得到比较好的数据集,对新的数据集基于不同时间尺度数据用最小二乘法进行曲面拟合建模。通过对模型分析得出不同时间尺度下偏航系数一定时风速和功率的关系。最后,开展了风电机组运行状态评估模型的研究。基于预处理后的状态参数和偏航系数作为输入建立PSO-BP预测模型,通过计算预测值与实际值的MAE、RMSE和信息熵等指标对风电机组进行状态评估。将某山地风场的实际运行数据通过该评估模型对风电机组不同时刻的运行状态进行了分析,得出模型指标在一段较长的时间内均低于阈值时风电机组的运行状态较好,一段时间存在较多天数高于阈值时说明运行状态较差。