我国的风电行业在近十几年一直保持高速增长的态势。但是风电项目面临着经济、技术、政策等多方面的不确定影响,盲目地进行投资建设会造成社会资源的浪费以及投资者自身利益的损失。因此,在进行风电项目投资建设之前,有必要对其所面临的项目风险进行风险评估。传统的项目风险评估方法,不够精确同时需要的样本量较大,基于人工神经网络的风电项目风险评估模型容易陷入局部最优的问题,基于这种情况,本文提出适用于小样本、高维度的支持向量机算法应用于风电工程项目风险评估中。本文首先介绍了风电工程项目风险分析研究的背景和意义,简述了支持向量机的研究现状以及风电工程项目风险研究的方法理论;其次,介绍了风险的相关理论,着重研究分析了支持向量机的理论以及支持向量机在不同方面的应用;然后,根据我国风电工程项目的具体情况和发展特点,提出了应用于支持向量机评估的风电工程项目风险评估指标体系;而后,根据本文提出的风电工程项目风险评估指标体系以及相关历史数据构建了基于支持向量机的风电项目风险评估模型,该模型适用于我国内陆风电工程项目的风险评估;为了验证模型的实用性,本文进行了实证分析,对TA风电工程项目的风险进行评估;最后通过实证分析总结了风电工程项目风险防控的对策。本文结合机器学习理论中的支持向量机方法,对风电工程项目风险进行了评估,构建了适用于风电工程项目风险评估的支持向量机模型,同时将该模型应用于实际的案例中,分析评估了大唐新能源公司的TA风电工程项目的风险,并提出了风险防控的对策,具有一定的理论意义同时具备较强的实际价值。