典型文献
基于机器学习的水电机组劣化趋势预测模型
文献摘要：
水电机组的劣化影响着水电站乃至电力系统的安全稳定运行.为了准确解析水电机组运行状态,获取机组的劣化趋势并对其进行准确预测,本文提出了一种基于极限梯度提升算法、变分模态分解算法、双向门控循环单元神经网络和注意力机制的水电机组劣化趋势预测混合模型.该方法首先用极限梯度提升算法建立考虑工作水头、有功功率和导叶开度影响的水电机组健康状态模型;其次,根据健康状态模型,推导出数年后的水电机组劣化趋势;再次,通过变分模态分解算法对水电机组劣化趋势进行分解,得到多个相对平稳的固有模态函数分量,并对每个模态分量建立双向门控循环单元神经网络和注意力机制的组合模型进行预测;最后,将预测模型的结果进行叠加,得到最终的趋势预测结果.实例分析结果表明,所提方法能准确地表达水电机组的劣化趋势,并且能有效地提高机组劣化趋势的预测精度.
文献关键词：
健康状态模型;劣化趋势预测;极限梯度提升;变分模态分解;双向门控循环单元神经网络;注意力机制
中图分类号：
作者姓名：
兰家法;周玉辉;高泽良;姜奔;李超顺
作者机构：
广东粤电新丰江发电公司,广东河源 517021;广东粤电流溪河发电有限责任公司,广州 510956;广东粤电南水发电有限责任公司,广东韶关 512700;华中科技大学土木与水利工程学院,武汉 430074
文献出处：
引用格式：
[1]兰家法;周玉辉;高泽良;姜奔;李超顺-.基于机器学习的水电机组劣化趋势预测模型)[J].水力发电学报,2022(12):135-144
A类：
劣化趋势预测
B类：
基于机器学习,水电机组,水电站,电力系统,安全稳定运行,机组运行状态,准确预测,极限梯度提升算法,变分模态分解算法,双向门控循环单元神经网络,注意力机制,混合模型,先用,工作水头,有功功率,导叶开度,健康状态模型,数年,固有模态函数分量,模态分量,组合模型
AB值：
0.146143
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
