机器学习在电站设备状态分析中的应用

作     者：李晓东 陈亚鹏 王保营 胡乔艳 赖菲 吴涛 徐创学 薛晗光 何新 王智微 高海东 高林 LI Xiaodong;CHEN Yapeng;WANG Baoying;HU Qiaoyan;LAI Fei;WU Tao;XU Chuangxue;XUE Hanguang;HE Xin;WANG Zhiwei;GAO Haidong;GAO Lin

作者机构：中电投珠海横琴热电有限公司广东珠海519000 西安热工研究院有限公司陕西西安710054 

出 版 物：《热力发电》 (Thermal Power Generation)

年 卷 期：2020年第49卷第1期

页      面：129-133页

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 

主　　题：电站设备 机器学习 深度学习 状态分析 磨煤机 LSTM神经网络 LVQ神经网络 

摘      要：本文对电站设备状态分析中学习向量量化(LVQ)神经网络和深度学习算法循环递归长短期记忆(LSTM)神经网络进行了详细分析,利用LSTM神经网络对磨煤机设备进行状态分析,将LSTM神经网络中最后一个隐含层的激励函数设为Softmax函数,其输出值表示设备状态的健康程度及设备可能发生事故的概率,并将LSTM神经网络和LVQ神经网络进行设备状态分析对比。结果表明,利用LSTM神经网络得到的训练模型可以得到设备状态分类更高的准确率,减少在设备状态评判中的漏报率和误报率。