论文摘要
利用长短期记忆(long short-term memory, LSTM)网络对水轮机机组的运行状态进行预测。对水轮机机组的流式监测数据进行标准化处理,并利用滑动窗口技术将数据转换为LSTM网络训练所需的训练数据集与测试数据集;给出LSTM预测模型结构,并通过调节网络层数、隐层神经元数目等参数对模型进行优化,建立水轮机机组的时间序列数据预测模型。经试验分析验证,与其它模型相比,基于多测点的多元长短期记忆网络预测模型具备更高的预测精度,并基于改进的雷达图分析法计算健康偏离度,成功地检测出某水电厂5号水轮机机组5月末的数据出现异常,验证了模型的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 陈畅,李晓磊,崔维玉
关键词: 水轮机,数据预测,长短期记忆网络
来源: 山东大学学报(工学版) 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 水利水电工程,电力工业
单位: 山东大学控制科学与工程学院
分类号: TV734.1;TV737
页码: 39-46
总页数: 8
文件大小: 1667K
下载量: 433