在人类面临能源危机和环境污染双重挑战的今天，风能作为一种可再生的清洁能源具有巨大的环保效益和商业潜力。随着各国对风能利用的重视和风力发电技术的提高，风电在电力市场中的占有比例不断上升，风电机组单机容量也稳步增加[1]。但是风机高额的运行维护成本影响了风机的经济效益。
论文开头部分截图
论文开头部分截图
风机一般地处偏远、环境恶劣，并且机舱位于50-80m的高空，给机组维护维修工作造成困难，增加了机组的运行维护成本。一旦风电机组故障停机，将对电网安全和国民经济造成巨大影响。因此，无论是从降低风机的运行风险，还是减少运行成本的角度考虑，都需要大力提高风电设备的状态监测和故障诊断能力。特别是当前海量风机运行状态数据已经存在，如何充分利用现有监测数据就成为一个刻不容缓的研究课题。
在已投产的风电机组中，其传动链结构比较复杂，一直是风电机组故障的多发区。振动信号作为传动链故障特征信息的载体，能够有效地反映风电机组传动链绝大部分的故障信息。但是, 目前风电监测的振动数据动辄十余处, 而且每处的振动信号又可以进行各种时域、频域分析，运行工况又复杂多变,造成故障决策过程头绪繁多，很难给出有效的分析和明确的结论。为了解决这个问题，本文基于真实风电传动链数据，在提取多个时域指标的基础上，引入PCA（Principle Component Analysis）降维技术,考虑运行工况, 并划定运行安全阈值，通过2-3个融合指标反映设备的运行状态, 为进一步实现传动链的运维服务决策提供切实可行的数据分析方案。
1 风电机组的状态监测
1.1 振动数据的时域分析
时域分析是在时域内对信号进行滤波、放大、统计特征计算等处理，通过时域分析，获得反映机械设备运行状态的特征参数，为机械系统状态监测和故障诊断提供有效信息。振动信号的时域参数指标可以反应早期故障，具有确定风电机组机械部件是否发生故障及分析故障严重程度的能力[1]。
但是,时域分析指标较多,例如:波形指标、峰值、峰值指标、脉冲指标、峭度系数、均方根值、熵指标和裕度指标等等。在风电机组传动链部件发生故障时，相应的振动能量有较大的变化，而且一般都会有冲击振动信号产生。在有量纲指标中，均方根值能直接反应振动能量的大小，所以常用来作为重要的评价指标；在无量纲指标中，峭度、峰值指标和脉冲指标也能反映振动冲击能量的大小，因此也是常用的评价指标。通过对这些指标的计算与研究，能够更好地提取和描述振动信号所蕴含的故障信息[2]。
1.2 指标阈值的确定
运用统计指标对风机运行状态进行监测，必须为其正常状态下振动信号的统计指标值确定一个变化范围，当统计值超出这个范围时，则判定风机某机械部件运行失常。对于一个连续测量,设备运行状态相对稳定的数据，可以看作近似服从正态分布。因此，完全可以认为振动数据的时域指标值X服从正态分布：
