本发明公开了一种基于深度学习模型的风电机组齿轮箱轴承温度状态监测方法，本发明将深度学习引入风电机组状态监测。采用偏最小二乘方法(PLS)选择变量，搭建深度卷积神经网络建立齿轮箱轴承温度与其影响变量之间的关系模型，并用该模型在监测阶段对齿轮箱轴承温度进行预测，当模型计算的齿轮箱轴承温度预测值与实际值之间的残差大于设定阈值时，发出齿轮箱轴承温度异常报警。该发明用于分析齿轮箱轴承的温度数据，高效准确地实现了风电机组齿轮箱轴承温度的人工智能监测和故障预警的目的。实例分析验证了该发明的实用性和通用性。