随着能源危机和环境污染问题的日益严重，作为绿色能源的风能受到世界各国的高度重视。我国风能储量大、分布广，具有十分可观的应用前景。当前我国风电装机容量已跃居世界第一位，占全球装机容量的三分之一。然而，故障率高、维护成本大、运行安全性差是制约风电装备高效运行的主要因素。如何实现风电装备状态监测与故障诊断，保障风电装备安全可靠运行，是我国风力发电进一步扩大规模、发挥作用的关键。

风电装备状态监测与故障诊断是利用一系列有效的监测手段方法，从采集到的信息中，判断被监测对象的运行状态，在关键零部件出现严重故障之前给出预警及处理，从而保证风电装备的安全运行。但是，由于风电的动力是风，是典型的变速变载变工况诊断，是故障诊断领域的世界性难题。

陈雪峰（右二）团队合影

针对上述问题，西安交通大学陈雪峰带领他的团队，通过近10年的系统研究和工程积累，在对数千台风电装备进行现场振动数据的测试、挖掘与建模，终于揭示出了风电装备变转速等空旷与振动监测指标的关联规律，原创性提出了“故障模式分离-故障信息提取-故障定量诊断”的三位一体“逐层去扰”的诊断新技术，发明了频率跟踪加噪的故障模式分离技术、故障信息匹配稀疏提取技术和加权稀疏定量诊断技术，研发了专用测风仪、叶片声音传感器、一体化集成式监测采集器等相关产品和系统，解决了变转速诊断难题，为我国风电装备安全运行保驾护航。

陈雪峰团队研发的风电装备变转速诊断系列产品与系统，整体性能优于国际上最先进的同类产品，被用户赞誉为“好用实用”。目前，该成果已在我国100多个风场10000余台风电装备上安装使用，维护成本降低40%，产生了显著的社会经济效益，避免了重大事故发生，新增产值超过3亿元。该成果不仅为我国成为新能源强国提供了技术支撑，更有力推动了我国故障诊断学科的理论发展。

在2018年度国家科学技术奖励大会上，“风电装备变转速稀疏诊断技术”项目荣获国家技术发明二等奖。