本发明公开了非平稳数据流下的风电机组发电功率自适应预测方法，包括以下步骤：S1.对数值天气预报NWP数据进行特征提取，得到样本相关特征和序列相关特征，构成样本‑序列特征向量；S2.根据样本‑序列特征向量进行相似度搜索和聚类，划分出不同的气象模式；S3.使用每个气象模式的历史NWP和功率数据离线训练LightGBM网络，得到功率预测模型，根据实时收集NWP气象数据进行功率预测，基于漂移检测与DDA算法，对每个气象模式下功率预测模型的预测性能进行实时监测，并自适应地调整模型参数，实现非平稳数据流下风电功率自适应预测。本发明能够实时监测输入输出映射关系的变化，并自适应地调整模型以适应新的映射关系，提高功率预测精度。