典型文献
基于VMD与GRU的抽水蓄能机组振动趋势预测
文献摘要：
鉴于有效预测振动信号可为抽水蓄能机组的性能劣化及故障等预警提供重要依据的问题,提出一种基于变分模态分解(VMD)与门控循环单元神经网络(GRU)的抽水蓄能机组振动信号预测方法.首先,对原始的振动信号进行VMD分解,得到一组相对平稳且频率不同的本征模态函数(IMF),以减少不同频率信息间的相互影响;然后,针对各子序列分别构建GRU时序预测模型,并采用自适应矩估计算法(Adam)对各分量GRU预测模型进行优化;最后叠加各子序列预测结果得到抽蓄机组振动信号的预测值,并构建ANN、GRU、VMD-SVM、VMD-ANN 4种预测模型进行对比.试验结果表明,与所构建的4种预测模型相比,VMD-GRU预测模型在有效性及预测精度等方面效果显著,在实际工程中非常具有应用意义.
文献关键词：
振动信号预测;变分模态分解;门控递归单元网络;抽水蓄能电站
中图分类号：
作者姓名：
王璞;姬联涛;朱家浩;庄俊;马宏忠
作者机构：
国家电网有限公司,北京100031;中国电力科学研究院有限公司,江苏南京210003;河海大学能源与电气学院,江苏南京211100
文献出处：
引用格式：
[1]王璞;姬联涛;朱家浩;庄俊;马宏忠-.基于VMD与GRU的抽水蓄能机组振动趋势预测)[J].水电能源科学,2022(01):192-195,205
A类：
振动信号预测
B类：
VMD,GRU,抽水蓄能机组,机组振动,趋势预测,性能劣化,变分模态分解,门控循环单元神经网络,本征模态函数,IMF,不同频率,子序列,时序预测模型,自适应矩估计,估计算法,Adam,序列预测,抽蓄机组,ANN,应用意义,门控递归单元网络,抽水蓄能电站
AB值：
0.216313
相似文献
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。
