El diagnóstico inteligente de fallos para una sola turbina eólica se ve obstaculizado por la falta de datos útiles suficientes, mientras que las turbinas múltiples presentan diversas fallas, lo que resulta en distribuciones complejas. La inteligencia colaborativa puede resolver mejor estos problemas. Por lo tanto, se construye una red de igual a igual con un nodo correspondiente a una turbina eólica en un grupo. Cada nodo es equivalente y funcionalmente replicable con un nuevo método de aprendizaje por transferencia federada, que incluye la transferencia de modelos basada en el aprendizaje multitarea y la fusión de modelos basada en el ajuste dinámico de pesos adaptativos. Los modelos con redes neuronales convolucionales se entrenan localmente y se transmiten entre los nodos. Se proporciona una solución para los procesos de gestión de datos, transmisión de información, transferencia y fusión de modelos. Se realizan experimentos en un banco de pruebas de señales de fallos y un conjunto de datos de rodamientos de la Universidad Case Western Reserve. Los resultados muestran el excelente rendimiento del método para el diagnóstico de fallos de una caja de engranajes en un grupo de turbinas eólicas.