风电规模的不断扩大使风电机组的健康状态越来越受到重视。风电机组的状态评估有利于实现机组的状态检修,节约风电运行成本,从而推动风能产业发展。风电机组整体状态评价包括构建整体状态评估体系、确定评估指标权重、确定指标劣化程度、评估整体状态四个方面的内容。(1)在构建风电机组整体状态评估体系方面,本文提出了选取状态评估指标的三个主要原则。并依据这三项原则,对SCADA监测指标进行归类,建立了层次型的状态评估体系。(2)在确定指标劣化程度方面,固定阈值的区间范围较大难以准确反映各个部件的真实状态,而且不能反映出各个部件的劣化趋势。本文根据风速和环境温度对风电机组SCADA运行数据进行区间划分,采用逆向云发生器对不同的运行区间设置不同的阈值,提高计算指标劣化程度的准确性。(3)在确定评估指标的权重方面,现有文献中的标度法和熵权法难以适应工况复杂的风电机组状态评估过程。本文依据机器学习理论,提出了一种集成算法和神经网络结合的回归预测模型跟踪风电机组的运行情况,并计算出指标的权重。最后采用证据关联系数将权值与改进后的标度法和熵权法融合确定指标的常权值,与劣化信息结合确定指标变权值。(4)在评估风电机组的整体状态方面,本文根据黄金分割法对风电机组进行状态等级划分,确定了风电机组运行的五个状态云及其参数。根据模糊综合评估方法对风电机组的运行状态进行评估。最后,运用本文所建立的状态评估模型,根据现场的SCADA监测数据评估风电机组的运行状态,验证了本文所提方法的有效性。