一种风电机组健康状态实时评估方法，所述方法首先基千风电机组历史运行数据，运用聚类技术实现风电机组运行工况的划分，并计算每种工况下的风电机组标准状态云模型；然后采用流式聚类算法对风电机组的实时数据流进行工况辨识，并计算机组实时状态的云模型；之后计算实时状态的云模型与标准状态云模型的偏离值并将其作为风电机组的健康指数；最后根据健康指数的大小对风电机组的健康状态进行评估。本发明利用云模型来描述风电机组的运行状态，并引入时间窗的方法来获取风电机组健康状态及发展趋势，该方法充分考虑了风电机组状态监测信息的不确定性，大大提高了评估结果的准确性，可为制定风电机组维护计划提供有力支撑。

本发明涉及一种计及信息不确定性的风电机组健康状态实时评估方法，属千发电技术领域。

随着电力大数据时代的到来，大量高速实时数据流变得越来越常见，大数据分析技术（如分布式计算技术、内存计算技术和流处理技术）为电力工业的发展提供了更为稳定、强大的数据分析能力。当前数据流分析领域的研究主要集中在对数据流的关联分析、聚类分析、分类与频繁项扢掘等方面。有效的动态数据流为监控对象的健康状态评估提供了丰富的状态信息和决策支持信息，但是与传统的分析方法不同，基于实时数据流的分析方法对算法执行效率有更高的要求。因此，研究风电机组监测数据流的实时处理方法对风力 发电设备的稳定性、安全性，以及将风电机组的维护策略由传统的异常状态监测转变为健康管理具有重要意义。 本发明针对现有技术之弊端，提供一种运行效率高且充分考虑信息不确定性的风电机组健康状态实时评估方法，提高了评估结果的精确性，可为制定风电机组维护计划提供有力支撑。