本发明公开了一种基于机器学习算法的风电机组齿轮箱故障诊断分析方法，包括：采用SCADA系统收集的某风电场的实际运营数据进行分析，每十分钟采集一次数据，数据类别包含风速、风功率、齿轮箱油温、风向、偏航角、桨距角、电压、电流等；数据预处理：空值和异常值处理；通过皮尔逊相关系数选择出这些数据中与齿轮箱高速轴承相关性较高的特征；利用ResNet网络构建齿轮箱故障预测模型，进行齿轮箱高速轴承温度预测。通过齿轮箱高速轴承温度预测值和实际值之间的残差对齿轮箱偏离正常状态的程度进行评估，根据3‑sigma准则设置残差上下限值进行齿轮箱高速轴成温度异常故障预警，工作人员根据故障预警数据结合现场情况，进行预警诊断分析。