【摘要】海上风电场地处偏远环境，长期受到盐碱腐蚀。为解决风电机组运行过程中产生的多种故障检测识别问题，在传统卷积神经网络LeNet-5的基础上构建模型。该模型采用ReLU函数作为激活函数，增加了卷积层、池化层和全连接层。针对风电机组的监督控制和数据采集(supervisory control and data acquisition, SCADA)系统及状态监控(condition monitoring, CM)系统所提供的数据集，进行多元类别故障诊断。并对多台风电机组进行聚类分析，应用集成学习方法，构建多风电机组故障诊断模型。实验表明，所提方法取得了97%～99%的诊断精度。通过将实验结果与其他算法进行对比，验证了该方法的有效性。