基于TPA机制改进的VMD-GRU抽水蓄能机组振动预测

作者：杨雄; 聂赛; 章志平; 刘泽; 卢俊琦; 汤络翔; 冯陈; 张玉全; 郑源

来源：水电与抽水蓄能, 2023, 9(01): 31-38.

• 时序模式注意力机制
• 变分模态分解
• 门控循环单元
• 抽水蓄能机组
• 振动信号
• 预测

针对抽水蓄能机组振动趋势预测中振动信号时间序列非线性、非平稳性极强导致常规预测方法难以进行精确预测的问题，提出变分模态分解（Variational Mode Decomposition,VMD）结合时序模式注意力（Temporal Pattern Attention,TPA）机制改进的门控循环单元（Gated Recurrent Units,GRU）神经网络的抽水蓄能机组振动预测方法。利用VMD算法首先将振动信号序列分解为若干个本征模态分量（IMF），降低时间序列的非平稳性，结合其他特征参数，构建预测输入矩阵。将输入矩阵放入TPA改进的GRU神经网络中训练，利用神经网络强大的非线性特征提取能力，达到精准的预测效果。最后将本方法与GRU-TPA、结合常规注意力机制（AM）的VMD-GRU预测方法进行对比发现，基于TPA改进的VMD-GRU预测方法效果更好，能够更加准确地预测振动信号的时间变化趋势。

• 单位
  电气学院; 江西洪屏抽水蓄能有限公司; 河海大学