در طی سال های اخیر نیاز به تولید انرژی و مخصوصا انرژی های تجدیدپذیر یکی از مهم ترین دغدغه های بشر بوده است. یکی از این موارد توربین های بادی فراساحلی است که به انسان ها برای تولید انرژی بسیار کمک کرده است. دسترسی به این توربین ها سخت و پرهزینه است پس باید به طول عمر قطعات آن توجه خاصی داشت. یکی از مهم ترین قطعات الکتریکی توربین بادی ژنراتور است. پس تخمین طول عمر ژنراتور ها می تواند کمک شایانی برای کاهش هزینه تعمیر و نگهداری نماید. برای تخمین طول عمر ژنراتور باید اطلاعات و داده های کافی از حالت های خرابی و حالات نرمال سیستم وجود داشته باشد تا بتوان به طور دقیق این کار را انجام داد. با استفاده از شبیه سازی و در بستر برنامه متلب شبکه ای با دو توربین شبیه سازی شده است که با آن هم اطلاعات در هنگام بروز خطا و هم در حالت دینامیکی سیستم شبیه سازی شده و همچنین ثبت شده است. در این پژوهش شبکه های عصبی CNN و LSTM برای انجام تخمین طول عمر استفاده شده است به این صورت که شبکه اولیهCNN بوده و از آن برای استخراج ویژگی های داده ها استفاده شده است همچنین از شبکه LSTM برای کلاس بندی داده ها استفاده شده است. در سیستمی که شبیه سازی شده است چهار نقطه برای وقوع خطا ها وجود دارد و همچنین سیزده نوع خطا و البته تعدادی هم حالت تحت عنوان حالت دینامیکی سیستم در نظر گرفته شده است. استفاده از این شبکه های عصبی دقتی حدود 80 درصد را در پی داشته است.
