当今社会能源消耗日益增长、环境污染日趋严重,由于风力发电的突出优势,在可再生能源开发领域中占有突出的地位,因此,风力发电相关技术也成为国内外学者研究的热点。随着风电场装机容量逐年上升,风电机组的设计、制造已经不是难题,而这些风电设备在运行一段时间后,其故障后的维护与检修就成为不可避免的问题,因此,如何提高风电系统可靠性及维持这些已安装机组的正常运行,成为研究人员需要解决的一项重要任务。全功率变流器作为直驱式永磁同步风力发电系统与电网的接口,既要保持频率、相位稳定,又要控制电压随电网的波动而变化,还要配合主控系统实现最大风能利用率,该单元一旦发生故障,如不及时处理,轻则会引发波形畸变降低供电质量,甚至会威胁整个风力发电机组的正常工作以及电网的安全。全功率变流器中的功率器件IGBT在工作期间要不断承受温度的变化以及周围环境的影响,极易导致变流器发生故障,因此,若在功率器件IGBT有微弱故障征兆时,能准确快速定位故障位置、提示故障类型,并给予及时维护,就可将风力发电系统的安全性、可靠性提高,减少并网故障的发生本论文研究主要针对永磁直驱风电系统的变流器中的IGBT出现微弱故障时,通过应用小波包变换对故障电流波形进行特征提取,并利用智能优化算法对支持向量机分类模型进行优化,快速有效的诊断出IGBT发生的故障位置和故障类型,为在线风电监测系统提供一种新颖的故障监测方法。研究内容和结论如下:(1)本文通过PSCAD仿真软件搭建永磁直驱式风力发电系统的仿真模型,模拟机侧变流器不同功率管的开路、短路故障,并提取直流母线电压数据作为故障信息;(2)获得故障波形之后,通过小波包分解,得到特征向量,通过支持向量机算法对故障特征向量进行训练,形成基本的故障诊断模型;(3)通过遗传算法、粒子群算法及改进版的粒子群算法对已生成的支持向量机诊断模型的参数进行寻优,以期获得IGBT故障点的精确定位及故障类型的有效辨识,并采集新的故障数据验证该模型的有效性。仿真结果表明,采用改进版的粒子群算法诊断效果良好