本发明提出一种遗传智能优化的神经网络风力发电设备温度预测方法，涉及电力能源和人工智能领域。其特征是提出一种人工智能辅助的深度学习风力发电设备温度预测方法。首先，为构建风力发电设备温度预测方法要求的数据集，对输入样本数据进行预处理，将风电设备参量数据序列进行数据标注、归一化，生成便于深度学习模型处理的数据原矩阵，确定原矩阵维度，并将数据序列填充到原矩阵中；其次，构建神经网络模型，包括构建卷积层、激活函数层、池化层、全连接层；最后，将每一层的神经网络参数权值与染色体基因对应，进行多层基因编码、构建适应度函数及交换、变异、更新，实现面向风力发电设备温度的高效智能预测。