科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估，以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题，提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络（TCN）的水电机组劣化趋势预测方法；首先按照功率和水头将机组运行工况细化为若干典型工况，在此基础上采用改进天鹰算法建立SVR模型，对各个工况下的预测参数进行寻优，建立起工况与最优参数的数据；再通过神经网络对工况和最优预测参数进行拟合，构建出映射两者复杂关系的非线性函数，然后将构建出的映射关系加入到传统的SVR中，实现适应于水电机组工况变化的自适应SVR健康模型；其次，根据健康模型输出的标准值和监测数据，计算出劣化趋势序列；最后，考虑到劣化趋势序列的非线性因素，建立了一个基于VMD-TCN的时间序列预测模型，以实现对劣化趋势的准确预测。并设计多组对比实验，验证所提出模型的精度更高，时间更快。
- 单位
