權(quán)利要求書： 1.一種電站送風(fēng)機(jī)超溫預(yù)警方法，其特征在于，所述預(yù)警方法包括如下步驟：獲取電站送風(fēng)機(jī)的歷史運(yùn)行數(shù)據(jù)；建立用于預(yù)測(cè)送風(fēng)機(jī)軸承溫度的LSTM神經(jīng)網(wǎng)絡(luò)模型；根據(jù)所述歷史運(yùn)行數(shù)據(jù)，采用正交試驗(yàn)的方法確定LSTM神經(jīng)網(wǎng)絡(luò)模型的超參數(shù)，獲得超參數(shù)確定后的LSTM神經(jīng)網(wǎng)絡(luò)模型；所述超參數(shù)包括歷史序列長(zhǎng)度k、隱層節(jié)點(diǎn)數(shù)n和學(xué)習(xí)速率v；采集電站送風(fēng)機(jī)的自當(dāng)前時(shí)刻之前的預(yù)設(shè)時(shí)間段內(nèi)的運(yùn)行數(shù)據(jù)中的輸入變量，輸入超參數(shù)確定后的LSTM神經(jīng)網(wǎng)絡(luò)模型，獲取未來(lái)時(shí)刻的送風(fēng)機(jī)軸承溫度；所述預(yù)設(shè)時(shí)間段等于歷史序列長(zhǎng)度對(duì)應(yīng)的時(shí)間間隔；當(dāng)未來(lái)時(shí)刻的送風(fēng)機(jī)軸承溫度大于軸承溫度限值時(shí)，生成超溫預(yù)警信號(hào)。2.根據(jù)權(quán)利要求1所述的電站送風(fēng)機(jī)超溫預(yù)警方法，其特征在于，所述建立用于預(yù)測(cè)送風(fēng)機(jī)軸承溫度的LSTM神經(jīng)網(wǎng)絡(luò)模型，之前還包括：將送風(fēng)機(jī)軸承溫度作為L(zhǎng)STM神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)變量；分別將送風(fēng)機(jī)電機(jī)電流、電機(jī)繞組溫度、電機(jī)前軸承溫度、電機(jī)后軸承溫度、送風(fēng)機(jī)腰側(cè)軸承垂直振動(dòng)、送風(fēng)機(jī)腰側(cè)軸承水平振動(dòng)、送風(fēng)機(jī)端側(cè)軸承垂直振動(dòng)、送風(fēng)機(jī)端側(cè)軸承水平振動(dòng)作為L(zhǎng)STM神經(jīng)網(wǎng)絡(luò)模型的輸入變量，建立初始輸入變量集合；根據(jù)所述歷史運(yùn)行數(shù)據(jù)，利用公式 分別計(jì)算預(yù)測(cè)變量與初始輸入變量集合的每個(gè)輸入變量的高次冪的相關(guān)性；其中，riq表示預(yù)測(cè)變量與初始輸入變量集合的第i個(gè)輸入變量的q次冪的相關(guān)性，q＝1,2,3,4， 表示歷史運(yùn)行數(shù)據(jù)中的第i個(gè)輸入變量的q次冪與歷史運(yùn)行數(shù)據(jù)中的預(yù)測(cè)變量的協(xié)方差， 表示歷史運(yùn)行數(shù)據(jù)中的第i個(gè)輸入變量q次冪的方差，ar[y]表示歷史運(yùn)行數(shù)據(jù)中的預(yù)測(cè)變量的方差；根據(jù)預(yù)測(cè)變量與初始輸入變量集合的每個(gè)輸入變量的高次冪的相關(guān)性，刪除初始輸入變量集合中不滿足公式minriq(q＝1,2，3,4)≥0.7的輸入變量，獲得LSTM神經(jīng)網(wǎng)絡(luò)模型的輸入變量集合。3.根據(jù)權(quán)利要求1所述的電站送風(fēng)機(jī)超溫預(yù)警方法，其特征在于，所述根據(jù)所述歷史運(yùn)行數(shù)據(jù)，采用正交試驗(yàn)的方法確定LSTM神經(jīng)網(wǎng)絡(luò)模型的超參數(shù)，獲得超參數(shù)確定后的LSTM神經(jīng)網(wǎng)絡(luò)模型，具體包括：根據(jù)送風(fēng)機(jī)運(yùn)行特性確定LSTM神經(jīng)網(wǎng)絡(luò)模型的每個(gè)所述超參數(shù)的取值范圍；其中，歷史序列長(zhǎng)度k的取值范圍為[5，20]，隱層節(jié)點(diǎn)數(shù)n的取值范圍為[10，40]，學(xué)習(xí)速率v的取值范圍為[0.25，1]；分別在每個(gè)超參數(shù)的取值范