基于振摆信息融合的水电机组状态预测及符号化表征研究

作     者：尤渺 刘育 葛嘉 徐卓飞 郭鹏程 YOU Miao;LIU Yu;GE Jia;XU Zhuofei;GUO Pengcheng

作者机构：国能大渡河公司龚嘴水力发电总厂四川乐山614900 西安理工大学水利水电学院陕西西安710048 

出 版 物：《电网与清洁能源》 (Power System and Clean Energy)

年 卷 期：2023年第39卷第7期

页      面：127-133页

学科分类：081504[工学-水利水电工程] 080703[工学-动力机械及工程] 080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 0815[工学-水利工程] 

基　　金：国家能源集团科技创新项目(GJNY-20-83-03) 国家自然科学基金项目(51839010) 中国博士后科学基金(2021M702641) 陕西省自然科学基础研究计划(2021JM-334) 

主　　题：水电机组 振摆信号 循环神经网络 符号熵 

摘      要：该文以水轮发电机组振动和摆度信号为对象,开展机组运行状态的预测和表征方法研究。通过主成分分析,将水电机组振摆信号进行数据融合研究,实现多组信号的融合,并且大幅降低数据计算量;依托循环神经网络模型,对融合信号进行时间序列建模,根据已知样本预测机组信号;开展机组状态表征研究,提出融合信号的符号熵特征;以我国西南地区某轴流式水电机组为实验对象,获取多种工况下的振摆数据,通过计算得到的预测信号与原始信号平均R2系数大于0.9,验证了所提出方法的有效性。该研究依托深度学习和符号熵分析方法,实现了机组振摆信号的融合、预测及表征。