基于改进EMD和GAM-TCN模型的抽水蓄能机组状态趋势预测

惠振国; 胡志平; 孙政; 祝旭; 许颜贺

doi:10.20040/j.cnki.1000-7709.2025.20241090

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于改进EMD和GAM-TCN模型的抽水蓄能机组状态趋势预测

更新时间：2026-02-25

- 基于改进EMD和GAM-TCN模型的抽水蓄能机组状态趋势预测
- Vol. 43, Issue 6, Pages: 175-179(2025)
- 作者机构：
  
  1. 湖北白莲河抽水蓄能有限公司
  2. 重庆川仪软件有限公司
  3. 华中科技大学数字流域科学与技术湖北省重点实验室
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20241090
  CLC： TV743;TV737
- Published：2025
- 稿件说明：
移动端阅览
惠振国, 胡志平, 孙政, et al. 基于改进EMD和GAM-TCN模型的抽水蓄能机组状态趋势预测[J]. 2025, 43(6): 175-179.
DOI：

惠振国, 胡志平, 孙政, et al. 基于改进EMD和GAM-TCN模型的抽水蓄能机组状态趋势预测[J]. 2025, 43(6): 175-179. DOI： 10.20040/j.cnki.1000-7709.2025.20241090.

摘要

作为抽水蓄能电站能量转换的核心设备，抽蓄机组运行状态的准确预测对保证电站安全运行具有重要意义。为此，提出一种基于改进经验模态分解(IEMD)和全局注意力机制优化时间卷积网络(GAM-TCN)的机组状态趋势预测方法。首先，鉴于振动信号对机组运行状态的直观表征作用，利用IEMD对振动信号进行分解，得到固有模态分量(IMFs)集合；其次，针对IMFs呈现的多频段、多尺度特征，构建一种新型的GAM-TCN模型，自适应捕获更为精细的数据全局信息，显著提升预测精度。工程实例结果表明，所提方法有助于获取更为精确的状态趋势预测结果，对推动机组智能运维策略发展具有重要意义。

Abstract

关键词

Keywords

references

郭建强,王熙,许力,李超顺.基于自适应多元变分模态分解和BiLSTM的水电机组振动预测[J].中国农村水利水电,2024(10).

张梦凡,丁兵兵,贾国栋,余新晓.基于TCN-BiLSTM与LSTM模型对比预测北洛河径流[J].北京林业大学学报,2024(04).

王宇驰,赵延阳,张树军.基于EMD-KPCA-LSTM的光伏功率预测模型分析[J].现代工业经济和信息化,2024(02).

沈旃葳,吴细秀,罗格帅,秦理,张清勇.基于EMD-BiLSTM的短期电力负荷预测研究[J].武汉理工大学学报,2024(02).

谭卫林,刘颉,袁晓辉,张勇传,时有松,高华.基于运行效率分布差异的水电机组劣化状态趋势预测[J].水电能源科学,2024(03).

张金鹏,张孝远.基于IPSO-DBSCAN的抽水蓄能机组状态监测数据异常检测方法[J].水电能源科学,2024(02).

潘雪娇,董绍江,朱朋,周存芳,宋锴.基于TCN和残差自注意力的变工况下滚动轴承剩余寿命迁移预测[J].振动与冲击,2024(01).

姜伟,卢俊泽,许颜贺.基于样本熵重构与RF-LSTM模型的水电机组状态趋势预测[J].大电机技术,2024(02).

任传栋,王志真,刘淑萍,刘洪伟,侯龙潭.基于改进组合深度学习模型的大坝位移预测研究[J].水电能源科学,2023(10).

王璞,姬联涛,陈龙翔,荆岫岩,袁成建,李超顺.基于WOA-VMD-TCN的水电机组振动趋势预测[J].水电能源科学,2023(06).

顾娟.抽水蓄能机组振动信号降噪与趋势预测方法研究[D].华中科技大学,2020(05).

Jiang Wei,Xu Yanhe,Chen Zhong,Zhang Nan,Xue Xiaoming,Zhou Jianzhong.Measurement of health evolution tendency for aircraft engine using a data-driven method based on multi-scale series reconstruction and adaptive hybrid model[J].Measurement,2022.

Emeksiz Cem,Tan Mustafa.Multi-step wind speed forecasting and Hurst analysis using novel hybrid secondary decomposition approach[J].Energy,2022.

Chaofeng Lan,Shuijing Li,Huan Chen,Wu Zhang,Hui Li.Research on running state recognition method of hydro-turbine based on FOA-PNN[J].Measurement,2021.

Emrah Gulay,Okan Duru.Hybrid modeling in the predictive analytics of energy systems and prices[J].Applied Energy,2020.

Views

438

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

抽水蓄能机组调速系统液压部分设备性能评估

抽蓄机组中低负荷工况轴系水力激振特性分析

基于改进经验模态分解的水电机组振动信号故障特征提取

基于稀疏高斯过程回归健康模型的抽蓄机组轴系健康状态评估方法

基于EMD-KPCA-LSTM的抽水蓄能机组振动预测

Related Author

王华军

赵红红

李青楠

陈启明

程远楚

胡立昂

杜贻钊

杨海

Related Institution

武汉大学动力与机械学院

武汉四创自动控制技术有限责任公司

河南天池抽水蓄能有限公司

河海大学电气与动力工程学院

内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司

AI问答

⁰