风力发电是低碳生活、绿色经济的重要标志，其发展受到全世界重视的程度日益渐增。然而，当风电机组的装机容量急剧增大、结构日益复杂、可靠供电要求逐渐提高时，一个迫切需要解决的问题随之而来——确保机组安全运行。本文从宏观角度入手研究风电机组故障演变规律及特点，在此基础上，利用SCADA数据对风电机组进行可靠性评估和故障预测，为减少停机次数、保证可靠运行提供理论指导。　　首先，对风机故障历史数据从时间、空间两方面进行特性分析。空间上利用幂律分布验证其分形分维性和标度不变性，时间上则采用R/S法求解Hurst指数证明其长程相关性。经比对，机组故障具有自组织临界性，由此提出基于沙堆模型思想的研究思路。　　其次，为找出沙堆中最易崩塌部位，即找出风电机组中最易发生的故障模式，将灰关联度法引入机组可靠性评估中。根据差异信息熵增加定理动态选取分辨系数以提升系统抗干扰性，同时为符合工程应用赋予序列点熵权系数。全面考虑机组部件间联系及故障成因，建立机组故障树，以改进后的灰关联法对各故障模式的重要度进行排序，发现系统薄弱环节。　　最后，为预测沙堆何时发生雪崩，即预测风电机组何时发生故障，建立灰色回归支持向量机故障预测模型。利用灰色理论从SCADA系统众多监测项目中筛选出主因子作为回归支持向量机的输入量，以有功功率反映机组状况，通过比较实际值与预测值来判定机组是否存在隐性缺陷。该方法可以追踪故障的发展趋势，并能在故障发生前及时发现异常状况，为保障机组安全运行、降低非计划停机次数提供坚实的技术支持。　　本文所提出的基于沙堆模型思想的可靠性评估及故障预测方法，简单直观，且完全基于SCADA系统的记录数据，真实可靠，符合工程需要，具有一定的推广价值。