题目：Time-varying cause tracing-supplemented risk prediction framework for wind turbines under complex uncertain conditions

期刊：Reliability Engineering & System Safety

摘要：高可信度风险预测在风电场运维中具有重要作用。然而，在时变与不确定的运行条件下，实现高精度且可解释的风险预测仍具挑战。本文提出了一种新颖的时变因果溯源补充风险预测框架，用于量化潜在异常并增强风险预测的可信度。首先，构建了基于共识的双机制因果耦合方法，以支持所提出的BiCTRP模型中的动态因果补充，并利用时间注意力机制和图结构提取时空特征，捕捉时变性能状态的细微变化。其次，运行双向分析机制，融合前向风险传播与反向因果邻接矩阵补充，以判断预测周期的进程，并在不确定条件下进一步提升准确性与可解释性。接着，基于关键风险因子构建紧迫性指标，动态量化潜在异常，使风险响应窗口可计算。随后，通过风险分析响应灵敏度测试和消融研究验证了所提出框架的有效性与风险预测结果的可靠性，并通过超参数灵敏度测试分析了该框架的鲁棒性。作为一种系统级风险分析架构，所提出的框架直接支持风电机组集群并行维护任务的规划与调度，为风电场运维提供了可操作的决策输入。

文章链接：https://www.sciencedirect.com/science/article/pii/S0951832026004114