1.一种风力发电机组变桨蓄电池异常故障预测方法，其特征是，对变桨蓄电池异常故障数据和同时刻可导致变桨蓄电池异常故障的相关变量数据进行处理，从处理后的数据中挖掘出变桨蓄电池异常故障的隐藏信息，用隐藏信息与处理后数据的相似性构造异常故障分类器模型，然后使用分类器对实时数据及隐藏信息进行分类，并将分类结果、实时数据及隐藏信息与异常故障案例库中的数据进行相似度比较，以相似度高低来预测变桨蓄电池异常故障；同时，通过实际结果完善异常故障案例库或修正异常故障分类器。
2.根据权利要求1所述的风力发电机组变桨蓄电池异常故障预测方法，其特征是：所述异常故障预测方法的具体步骤如下：
首先，对变桨蓄电池异常故障数据和同时刻可导致变桨蓄电池异常故障的相关变量数据进行处理，剔除因检测系统引起的异常数据和孤立点数据；从处理后的数据中挖掘出反映变桨蓄电池性能异常的隐藏信息，用隐藏信息数据、处理后的数据和维修记录数据建立异常故障案例库；
其次，用处理后的数据与挖掘出的隐藏信息的相似性构建异常故障分类器模型；将实时数据及隐藏信息输入异常故障分类器，得到故障类别；用故障类别、隐藏信息和实时数据与异常故障案例库中的数据进行匹配，计算得到与异常故障案例库中匹配程度最高的案例，进行异常故障预测；
最后，通过对比实际结果与预测结果是否一致来补充异常故障案例库，或加权修正异常故障分类器模型。