近年来,能源危机问题越来越受到社会各界的关注。风能作为一种清洁可再生能源,也越来越受到重视。然而,风机的运行与维护成本占风力发电总成本的比重约为15%,这大大提升了风能的使用成本。这部分运行维护成本中很大部分来自风机出现故障问题后的对风机故障部件修理和替换所产生的的费用。因此,从降低风机运行维护成本的方面考虑,对风力发电机组的故障诊断方法研究成为风力发电行业一个热门课题。本文首先调研了国内外风力发电机组故障诊断的研究现状,介绍了风力发电机组常见的故障类型以及风机的SCADA系统的特征,了解了常用的机器学习方法,并在此基础上,提出了一种以风力发电机组SCADA数据为训练样本,基于支持向量回归理论的故障诊断算法。与传统的机器学习算法相比,支持向量回归具有收敛性强、泛化性能好、训练速度快等优点。在介绍了模型的学习策略之后,运用国电新能源公司提供的SCADA数据建立了风机的支持向量回归模型,并对其故障诊断准确率进行了测试。测试结果显示,本文所提出的基于SCADA数据的支持向量回归算法对于故障的诊断准确率达到80%,令人满意。