本发明公开了一种基于双注意力机制的循环神经网络DA‑RNN的风电机组关键组件故障预警方法。该方法基于采集于风电机组正常运行状态下数据采集与监视控制(SCADA)系统数据集，设计预处理流程并选取DA‑RNN模型进行变量实时估计，通过多阈值设置及判别准则设计，输出判断结果序列，并根据判断结果序列给出最终预警结果。本发明故障预警方法中，针对不同类型噪声数据设计预处理流程，提供了可靠的数据基础；DA‑RNN模型综合考虑相关变量及历史信息的影响，并分配以不同的权重，保证了变量估计的准确性；多阈值设置及判别准则设计避免了单次0‑1判断，使最终预警结果更具有鲁棒性；最终实(56)对比文件胡瑾秋;张来斌;伊岩;蔡爽.非正常工况下化工过程设备故障实时关联预警研究.中国安全科学学报.2017,第26卷(第9期),全文.杨婷婷;张蓓;吕游;邸小慧.基于MSET的电站风机故障预警技术研究.热能动力工程.2017,第32卷(第9期),全文.