例1（見圖4）：該機組潤滑油在2013年5月的檢測數據與前期檢測數據出現較大差異，并在之后的追蹤檢測過程中，雖然有回落的數據，但是整體趨勢是呈上升趨勢的。2014年4月風電場進行了相關設備的維護，5月的檢測數據出現回落，但后續又開始上升，需要繼續觀察兩個月，判斷是因樣品采樣位置等不同原因造成的數據變化，還是風電場設備維護時給予的對策并未直接找到根源，才造成數據短時回落后上升。 　　例2：X2風電機組與2012年12月取檢樣品后更換濾芯（濾芯精度20μm），并分別在更換濾芯15天后、30天后齒輪箱潤滑油取樣檢測，部分檢測數據如表1。 　　從表1中看出數據在剛更換后有回落，但是隨著時間推移數據又開始上升。從數據的變化趨勢看，造成數據上升的情況有一下二種可能，第一，濾芯的精度不夠，導致污染度等級無明顯變化；第二，推斷該設備摩擦副之間已經存在非正常磨損，僅通過更換一次濾芯無法有效改變其潤滑效果及減少非正常磨損情況的發生幾率。其綜合檢測數據變化趨勢如圖5。
　　X2風電機組齒輪箱潤滑油連續跟蹤10個月，綜合檢測一直成上升的趨勢，且檢測數據后期連續5個月超出危險值并呈現出上升狀態。多次告知風電場需要檢修，但因風電場各種問題未能及時做出相應的對策。在做完第10個月檢測后不久出現風電機組齒輪箱損壞的故障，必須返廠維修。
　　結語
　　本文提出的將風電機組潤滑油檢測數據通過數學關系等因素換算后，成為一個簡單的指標，并按照數據的大小判斷其設備等級。這樣的方法對于沒有明確在用潤滑油質量標準的情況下，更加方便風電場運行人員對潤滑油及風電機組狀態進行判斷。對運維人員在潤滑油檢測分析方面的技術能力要求不高，更方便對潤滑油性能進行判斷。