基于GWO-VMD和分层融合进化KELM的抽水蓄能机组劣化趋势预测

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于GWO-VMD和分层融合进化KELM的抽水蓄能机组劣化趋势预测

Issue 9, Pages: 78-85(2025)

更新时间：2025-09-12

- 基于GWO-VMD和分层融合进化KELM的抽水蓄能机组劣化趋势预测
- 作者机构：
  
  1. 浙江宁海抽水蓄能有限公司
  2. 中国电建集团华东勘测设计研究院有限公司
  3. 三峡大学电气与新能源学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： TV738;TV743
- Published：2025
- 稿件说明：
移动端阅览
[J]. 2025, (9): 78-85.
DOI：

[J]. 2025, (9): 78-85. DOI：

摘要

在抽水蓄能机组长期运行过程中，关键部件易发生磨损及性能劣化，直接影响机组运行效率。为准确预测机组劣化趋势，提出了一种基于灰狼优化算法-变分模态分解(GWO-VMD)和分层融合进化核极限学习机(KELM)的抽水蓄能机组劣化趋势预测方法。首先，构建基于Bagging算法的健康状态模型，建立抽水蓄能机组工况参数与状态监测数据之间的映射关系。其次，基于健康状态模型计算机组的劣化趋势序列。随后，采用GWO优化VMD参数，利用GWO-VMD将劣化趋势序列分解为多个模态分量，并提出引导学习策略改进蜣螂优化算法(IDBO)、狼群围攻策略改进鱼鹰优化算法(IOOA)

分别结合激活时变密度因子构建分层融合算法协同优化KELM参数，对各模态分量进行预测并叠加结果，得到最终的抽水蓄能机组劣化趋势预测结果。最后，利用某抽水蓄能机组监测数据进行多组对比实验，验证所提方法的可行性和有效性，实验结果表明所提方法能够准确预测抽水蓄能机组劣化趋势。

Abstract

关键词

Keywords

references

陈鹏,吴一凡,蔡爽,杨彬,张海库,李超顺.基于自编码压缩与多尺度特征提取的抽水蓄能机组劣化趋势评估与预测[J].水利学报,2022(06).

兰家法,周玉辉,高泽良,姜奔,李超顺.基于机器学习的水电机组劣化趋势预测模型[J].水力发电学报,2022(12).

付波,姜奔,赵熙临,李超顺.基于RFR和VMD-TCN的抽水蓄能机组劣化趋势预测方法[J].中国农村水利水电,2023(03).

张翮,陈海旭,刘闯.基于改进差分灰狼算法的主动配电网优化重构[J].山东电力技术,2023(03).

朱非林,侯添甜,梁一帆,任瑞杰.基于VMD-LSTM的水库中长期径流预测模型[J].水力发电,2023(09).

朱国庆,韩东颖,米振涛,刘艳飞,杜晓彤.多策略改进的蜣螂优化算法及其工程实例应用[J].电子测量技术,2024(21).

岑哲,符强,童楠.基于自适应鱼鹰优化算法的无人机路径规划[J].电光与控制,2024(11).

郑凯,周霖轩,杨雄,蔡龙,李桂林,郑源.抽水蓄能机组柔性检修项目决策关键技术研究[J].水力发电,2024(12).

徐琳,范松海,赵淳,隗震,刘畅.基于时频域多特征和优化KELM的电能质量扰动检测[J].山东电力技术,2025(03).

陈亦真,宋旭峰,李超顺.基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估[J].水电能源科学,2025(03).

郑雪琴,王一鸣,任韬哲,邵晨飞,顾昊.基于DBO参数寻优的KELM混凝土坝变形预测模型[J].水力发电,2024(11).

宋阿妮,陈亦真,詹云峰,李超顺,付波.基于融合劣化指标和VMD-Informer的水电机组劣化趋势预测[J].中国农村水利水电,2025(05).

Views

158

下载量

CSCD

Alert me when the article has been cited

提交

Publicity Resources

基于DBO参数寻优的KELM混凝土坝变形预测模型

IF-KELM模型在混凝土拱坝变形预测中的应用

基于VMD-LSTM的水库中长期径流预测模型

基于OVMD-KPCA-RTH-GRU的短期光伏发电功率预测

基于二次分解和JSO-TCN模型的短期光伏功率预测

Related Author

顾昊

邵晨飞

任韬哲

王一鸣

郑雪琴

李同春

姜鹏辉

齐慧君

Related Institution

国网新源控股有限公司抽水蓄能技术经济研究院

河海大学水利水电学院

水安全与水科学协同创新平台

河海大学水文水资源学院

新疆农业大学水利与土木工程学院

AI问答

⁰