本发明公开了一种海上风电机组故障诊断方法，分为SCADA数据的特征提取和故障诊断模型设计；特征提取时考虑风电机组的典型故障，提取SCADA数据中15种传感器信号并重构其特征信号；故障诊断模型分为四层：第一层为数据预处理层对数据进行预处理和归一化操作、第二层为多维时空序列融合层，构建出风电机组运行时的高度时空相关性的多维时空融合序列、第三层在度量学习中融入LSTM网络层，借由LSTM网络的良好时序预测性为故障诊断方法融入时序预测能力、第四层为基于马氏距离的度量学习故障分类层，该层使用基于马氏距离的动态时间规整度量进行距离测量，根据阈值来判断是否出现故障。利用本发明，既能处理多特征输入、又能获得较高的诊断结果且延时性低。