一种风力涡轮机预测性维护方法及系统

本发明公开了一种风力涡轮机预测性维护方法及系统，包括以下步骤：1).采集风力涡轮机的多源数据，包括运行数据、环境数据和历史维护数据；2).对采集的数据进行预处理，采用小波变换提取振动信号的高频特征与低频趋势，主成分分析降维并降低冗余数据，同时通过Kalman滤波消除噪声；3).构建融合多源数据的深度学习预测模型，所述模型输入包括时间序列数据、环境参数和设备图像数据，输出设备的健康状态评分和潜在故障类别；4).基于局部异常聚类算法进行故障前兆分析；该方法和系统在数据全面性、模型预测精度、实时性及维护自动化等方面具有显著提升。