论文摘要
为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。该方法以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系,同时引入批标准化(BN)算法优化网络性能。对于输入的观测向量,SAE网络给出相应的重构向量。构造基于融合距离的相似度表示观测向量与重构向量间的偏差,当辅机开始偏离正常状态时,观测值与重构值偏差增大,相似度下降至预警阈值即表明设备出现故障。分别利用某热电机组中速磨煤机的正常数据与故障数据进行测试与验证,结果显示引入BN算法的SAE网络具有更低的重构误差,同时能够在磨煤机跳闸前做出预警,表明该方法可对辅机故障进行有效预警,具有一定的工程应用价值。
论文目录
文章来源
类型: 期刊论文
作者: 李晓彬,牛玉广,葛维春,罗桓桓,周桂平
关键词: 堆叠自编码网络,批标准化,网络性能优化,电站辅机,故障预警
来源: 仪器仪表学报 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 华北电力大学控制与计算机工程学院,华北电力大学新能源电力系统国家重点实验室,国网辽宁省电力有限公司
基金: 国家重点研发计划(2017YFB0902100)项目资助
分类号: TM621
DOI: 10.19650/j.cnki.cjsi.J1904957
页码: 39-47
总页数: 9
文件大小: 472K
下载量: 98