基于自编码压缩与多尺度特征提取的抽水蓄能机组劣化趋势评估与预测
恶劣的运行环境为抽水蓄能机组安全运行带来严峻挑战,抽水蓄能机组劣化趋势评估与预测技术能够有效反映机组运行状况并预测机组未来劣化情况,为机组状态检修提供重要依据.然而,机组运行工况参数中存在大量冗余或干扰信息,严重影响劣化趋势评估的可靠性;此外,难以对复杂的劣化趋势序列实现准确的预测.为解决上述问题,提出一种基于自编码压缩与多尺度特征提取的抽水蓄能机组劣化评估预测模型.首先,为降低拟合误差,利用深度自编码器(DAE)凝练工况参数中的关键信息,结合多层感知机(MLP)建立健康模型;其次,根据机组运行数据与健康模型,生成机组劣化度;最后,以一维卷积神经网络(1DCNN)提取局部空间特征,以双向门控循环单元(BiGRU)提取双向全局时序特征,结合二者的优势,构建多尺度特征提取网络,实现精确的劣化趋势预测.通过某抽水蓄能机组验证了该模型的有效性.与其他模型相比,自编码压缩模型的拟合误差最低,能够生成可靠的劣化趋势;多尺度特征提取网络能够学习劣化趋势序列中的长期趋势与局部波动信息,预测精度更高.
抽水蓄能机组、劣化趋势评估与预测、深度自编码器、多尺度特征提取、1DCNN、BiGRU
53
TV734(水能利用、水电站工程)
湖北省重点研发计划项目;湖北省自然科学基金;国家自然科学基金
2022-07-29(万方平台首次上网日期,不代表论文的发表时间)
共10页
747-756