标题:基于LSTM网络预测的水轮机机组运行状态检测
作者:陈畅; 李晓磊; 崔维玉
作者机构:[陈畅]山东大学控制科学与工程学院, 济南, 山东 250061, 中国;[李晓磊]山东大学控制科学与工程学院, 济南, 山东 250061, 中国;[崔维玉]山东大学控制科学与工程学 更多
来源:山东大学学报. 工学版
出版年:2019
卷:49
期:3
页码:39-46
关键词:水轮机; 数据预测; 长短期记忆网络
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。
收录类别:CSCD
资源类型:期刊论文
原文链接:qikan.cqvip.com/Qikan/Article/Detail?id=7002561085
TOP