本发明涉及一种液流电池电堆性能预测方法，更具体涉及一种基于机器学习的液流电池电堆性能预测和电堆材料及结构的优化方法。包括以下步骤：获取液流电池电堆的组装和性能测试参数(包括电压效率、能量效率和电解液利用率)，并建立数据库；对数据库中的变量参数进行数值化和标准化处理；计算标准化处理后的变量参数与液流电池电堆性能参数之间的皮尔逊相关系数；将特征向量 及其对应的液流电池电堆性能参数y随机分成训练集和测试集；利用训练集中的参数数据训练液流电池电堆性能预测模型；使用测试集中的参数数据评价训练好的液流电池电堆性能预测模型。本方法能够有效指导实验、提高液流电池电堆的研发速度、降低实验成本。