风力发电在我国新能源发电领域占比很大。风力发电系统故障很大一部分由变流器故障引起。功率器件在变流器系统中故障率最高,其发生故障会影响整个变流器系统运行状态。功率器件中的IGBT模块是变流器内部最贵重的核心器件,其故障是影响变流器安全运行的重要因素之一。IGBT模块故障是研究变流器故障的重点,也是风电变流器研究中非常重要的方向。基于灰色算法滚动预测方法的风电变流器IGBT模块失效预测研究可为预测风电变流器关键器件的健康状况提供新思路、新方法,降低风力发电的成本,提高系统运行安全性。在已有研究的基础上,进行了以下研究:总结分析了变流器状态监测与预测的研究现状,对常用普通塑封变流器IGBT模块进行重点研究。结合德国英飞凌公司型号为FZ2400R17HP4＿B29的IGBT模块,对其状态参量进行理论分析,为分析IGBT模块失效机理和特征参数提供理论基础;通过分析IGBT模块物理结构,运用常用电源仿真软件Saber,研究IGBT模块失效机理,分析表明:键合线损伤是导致IGBT模块故障的主要因素;通过分析键合线损伤的相关研究,指出键合电阻R_J是表征键合线损伤综合状态的特征量,与键合线损伤程度有复杂关联。由于键合线受损过程不可逆,R_J具有确定变化趋势,R_J增量与键合线脱落根数的关系可拟合出准指数模型,且存在失效阈值。可通过预测R_J变化趋势,进而预测键合线损伤程度;影响键合线损伤的因素复杂多样,具备一定随机性。各个因素作用于键合线,结果都是导致键合线损伤,使R_J不断增大。因此,键合线损伤过程具备灰色系统的特点,与灰色预测算法适用条件吻合。在此研究基础上,运用MATALB软件,编写灰色预测算法程序,利用复合辛普森求积公式,对其改进,提高预测精度;提出灰色滚动预测方法,结合R_J,通过等间隔采样和筛选数据矩阵,预测将来与采样间隔同等时间段内键合线老化状态。通过分析,表明提出方法具备有效性和连续性。