基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测

起登春; 巴荣云; 孙华芬; 马道荣; 贺洁

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测

更新时间：2026-05-22

- 基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测
- Vol. 12, Issue 2, Pages: 103-109(2026)
- 作者机构：
  
  1. 国家能源集团云南电力有限公司六郎洞(大寨)分公司
  2. 南京南瑞水利水电科技有限公司
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP183;TV738
- Published：2026
- 稿件说明：
移动端阅览
起登春, 巴荣云, 孙华芬, et al. 基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测[J]. 2026, 12(2): 103-109.
DOI：

起登春, 巴荣云, 孙华芬, et al. 基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测[J]. 2026, 12(2): 103-109. DOI：

摘要

故障预测是保障水电厂发电机安全稳定运行的关键。针对水电厂发电机温度监测数据的复杂非线性时序特性，和传统递归神经网络容易产生梯度消失的问题，以及故障早期异常症状不明显、难以通过传统方法准确捕捉的问题，提出了一种基于CNN-LSTM-OCSVM的无监督故障预测模型。通过分析水电厂发电机下导轴承温度数据，预测未来系统参数，并结合单分类支持向量机进行无监督的故障检测。实验结果表明，该方法能够提前预测潜在故障，有效提高故障预测的准确性与鲁棒性。

Abstract

关键词

Keywords

references

李兵,韩睿,何怡刚,张晓艺,侯金波.改进随机森林算法在电机轴承故障诊断中的应用[J].中国电机工程学报,2020(04).

刘欢,徐德勃,张涵涛,王皓月,靳洪旭.基于Adam算法的LMS优化[J].电子制作,2024(12).

Xiang Li,Qian Ding,Jian-Qiao Sun.Remaining useful life estimation in prognostics using deep convolution neural networks[J].Reliability Engineering and System Safety,2018.

Jia Cai,Hasan Ferdowsi,Jagannathan Sarangapani.Model-based fault detection, estimation, and prediction for a class of linear distributed parameter systems[J].Automatica,2016.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于YOLO V5模型的水电站智能巡检系统设计

基于增强现实（AR）、深度学习与大数据技术的分布式水电站智慧检修系统研究

不同行业地应力分级与岩爆判别对比分析

哈密拦沙坝入仓堆石粒径智能识别与管控方法研究

新型悬浮式潮流能水轮机叶轮—导流罩水动力优化研究

Related Author

吉俊杰

孟繁聪

薛小兵

姚航宇

潘伟峰

孙尔军

朱传古

王靖

Related Institution

华东宜兴抽水蓄能有限公司

国网电力科学研究院/南京南瑞集团公司

华能澜沧江水电股份有限公司

AI问答

⁰