近年来,风电行业快速发展,风电机组的运行和维护需要消耗大量人力、时间、经济成本。风电机组的状态监测越来越受到人们的关注,提前并且准确的监测到风电机组的故障能有效减少运维成本。现在风电机组标配的监测系统为SCADA(Supervisory Control and Data Acquisition)系统,但由于海量的SCADA数据变化范围大,随机性强,给信息提取带来困难,并且缺少有效提取其中有用信息的理论和方法,不同风电机组的特性存在很大差异,同时监测到的数据会受到温度、风况等因素的影响,导致SCADA数据不能准确对设备状态进行监测,无法预防设备故障的恶化,未得到有效利用。由于风电机组运行监控系统(SCADA系统)监控的各参数之间存在相互关联性,如果这种关联性发生了变化,表明风电机组的运行状态发生了变化,可能出现异常状态。本文根据这种SCADA参数之间的关联性,对投运的风电机组实际数据进行筛选,采用多项式回归方法建立不同风速下监测参数之间的关系模型,以正常运行状态下的关系模型作为基准,计算待判断状态(异常状态)下的关系模型与正常状态模型对应参数间的差异值作为机组状态评价标准。并在此基础上采用天叠加的方法来形成多项式拟合监测策略,进行基于拟合特征的故障状态趋势发展分析,并利用此方法实现风电机组的状态评估。