文献类型：期刊文章

作　　者：毕扬[1] 郑波[2] 张亚武[3] 朱溪[1] 江亚兰[4] 李超顺[4]

BI Yang;ZHENG Bo;ZHANG Yawu;ZHU Xi;JIANG Yalan;LI Chaoshun(Zhejiang Xianju Pumped-storage Power Co.Ltd,Xianju 317300,China;PowerChina Huadong Engineering Corporation Limited,Hangzhou 311122,China;State Grid Xinyuan Company Ltd.,Beijing 100761,China;School of Hydropower and Information Engineering,Huazhong University of Science and Technology,Wuhan 430074,China)

机构地区：[1]浙江仙居抽水蓄能有限公司,浙江仙居317300 [2]中国电建集团华东勘测设计研究院有限公司,浙江杭州311122 [3]国网新源控股有限公司,北京100761 [4]华中科技大学水电与数字化工程学院,湖北武汉430074

出　　处：《水利学报》

基　　金：国家自然科学基金项目(51879111);武汉市应用基础前沿专项(2018010401011269);湖北省自然科学基金项目(2019CFA068)。

年　　份：2021

卷　　号：52

期　　号：5

起止页码：612-621

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为提高水电机组振动趋势预测的准确率,本研究提出了一种基于最大信息系数(MIC)与双边门控循环神经网络(BiGRU)的水电机组振动趋势预测模型。首先,预处理阶段采用小波系数阈值去噪(WTD)方法对历史振动信号数据进行降噪处理以消除强背景噪声的干扰,并将振动信号划分为多个训练样本以改善算法的鲁棒性;其次考虑水力、电气与机械不平衡力因素的影响,基于MIC对与振动信号关联性强的状态参数进行特征选择作为模型的参考输入;再采用BiGRU网络建立振动信号预测模型,进行超前多步的振动信号趋势预测;最后利用训练好的模型对在线获取的振动数据进行实时预测。为评估模型的预测性能,本研究采集某抽水蓄能水电站的振动监测数据进行多组对比实验,验证了所提方法具有较好的预测能力和泛化能力,适用于水电机组振动的趋势预测。

关 键 词：最大信息系数法  BiGRU  小波阈值去噪 信号处理 特征选择  趋势预测  

分 类 号：TV738]