风力发电机的实际应用中,配备有超级电容模组作为备用电源的风力发电机在SCADA数据采集与监控系统中仅对超级电容模组电压进行了监测,而没有对超级电容单体的特性进行跟踪,致使不能及时了解超级电容单体的健康状态（State of Health,So H）,对风力发电机紧急顺桨造成潜在风险。本文针对以上问题,设计了一套超级电容备用电源状态监测系统,对备用电源运行过程中的超级电容单体电压、单体温度和总电流进行监测,基于监测数据,提出了基于数据驱动的超级电容So H评价方法,本文的主要研究内容如下:（1）介绍风电变桨超级电容备用电源状态监测与So H评价算法的工程意义,总结当前超级电容So H评价方法的优缺点,分析超级电容的结构、工作原理以及超级电容老化原因,选取超级电容单体电压、单体温度和总电流作为监测的运行参数。（2）以超级电容备用电源为对象,搭建多超级电容模组分布式监测平台,该监测平台包括多个分布式的现场监测装置和上位机,现场监测装置采用单片机作为主控芯片,采用CAN通信方式进行数据传输;应用Lab VIEW虚拟仪器软件设计上位机监测软件,负责数据的实时显示与历史数据的查询等。（3）基于测试平台获取的超级电容充放电全过程实验数据,考虑到不同属性数据对超级电容So H评价的重要性差异,利用CRITIC法计算外特性参数权重,结合数据挖掘聚类方法,定义超级电容So H综合评价指数,提出基于混合加权欧式距离的超级电容So H离线评价方法,并对8个不同老化阶段的超级电容进行了So H评价,通过参数特性分析,结果表明:该方法能有效地对超级电容的健康状况进行表征。（4）基于风电变桨备用电源实际工况充电过程区间电压数据,运用混合加权欧氏距离的So H综合评价指数得出的评价结果,利用核岭回归（Kernel ridge regression,KRR）方法,提出基于KRR的超级电容So H在线评价方法,并对3个超级电容进行了So H评价,结果表明:该方法能够实现So H在线评价,评价结果与基于混合加权欧氏距离的评价结果分级一致。