一种大型风电机组关键部件剩余寿命概率预测方法

本发明属于风机技术领域，涉及一种大型风电机组关键部件剩余寿命概率预测方法，通过数据采集与监视控制系统得到风机SCADA数据后首先进行变量筛选和预处理，接着通过傅里叶变换初步寻找风机SCADA数据的不同周期变化，再根据不同的周期对多维时间序列数据进行截取，然后通过LSTM神经网络并行处理，深入提取其时间特征，再将多个LSTM神经网络的输出向量拼接在一起并通过线性输出层得到剩余寿命预测结果，最后，通过一种基于线性回归和核密度估计的不确定性量化方法对原始剩余寿命预测结果进行不确定性量化，为风机维护决策提供更稳健的参考。对比其他的方法，本发明方法能够有效地提高风机部件剩余寿命的预测准确度和可靠度。