本发明公开了一种基于功率曲线分析与神经网络的风电机组故障预警方法，充分利用SCADA数据，且不需要对风电机组复杂的物理特性进行分析，将该方法分别用于风电场的变桨系统和偏航系统的故障预警，进一步证明方法的有效性，LPP特征提取降低了建模和预测的难度，提高了预测精度，神经网络算法中的极端学习机在学习速度和泛化性能上都比传统的BP神经网络更有优势，与极端学习机预测模型对比，核极端学习机预测模型在稳定性和预测精度上有一定的改善，信息熵方法结合熵的概念，能够对数据的变化剧烈程度进行量化，该方法能够实现风电机组早期故障的检测，从而达到故障预警的目的。