本发明提供了一种基于深度学习的风机故障率预测方法、装置，可以根据风机的运行数据，准确预测潜在的故障，提升预测结果的准确性与合理性，包括步骤：从风电场SCADA系统中采集风机运行状态数据；对采集得到的集风机运行状态数据进行预处理，从预处理后的风机运行状态数据中统计故障和故障关联的风机指标，形成风机故障的评估指标体系以及表征风机运行状态的故障率指标，构建样本集；构建故障率预测模型，混合预测模型包括顺序设置的CNN神经网络模块和GRU循环神经网络模块，将样本集中的风机指标的特征向量输入故障率预测模型，输出预测的故障率，优化损失函数，得到训练好的故障率预测模型；通过训练好的故障率预测模型进行风机故障率预测。