针对风电机组塔筒传统疲劳设计采用确定性S-N曲线难以准确量化寿命分散性的问题,提出一种基于物理信息神经网络的概率疲劳寿命预测方法。通过将疲劳寿命分散性、单调性及非线性等物理先验知识嵌入神经网络,构建了可准确量化不确定性的概率预测模型。相比于传统方法,所提方法预测的归一化均方根误差(NRMSE)最多降低31.58%。基于IEC标准建立了16 MW风电机组仿真模型,通过Bladed软件获取塔筒载荷数据,结合风速分布、雨流计数与Miner准则实现了塔筒概率疲劳寿命预测。研究结果表明:所提方法有效表征了疲劳损伤概率特征,塔筒寿命随可靠度要求显著变化(从50%概率下83.3年缩短至99.9%概率下18.2年),为机组概率疲劳设计与安全评估提供了可靠依据。