基于ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测

汪靖尧; 冯陈; 张玉全; 张永杰; 罗依竟

doi:10.20040/j.cnki.1000-7709.2026.20250203

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测

更新时间：2026-09-10

- 基于ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测
- Vol. 44, Issue 3, Pages: 194-199(2026)
- 作者机构：
  
  河海大学电气与动力工程学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20250203
  CLC： TP183;TV743;TV734.21
- Published：2026
- 稿件说明：
移动端阅览
汪靖尧, 冯陈, 张玉全, et al. 基于ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测[J]. 2026, 44(3): 194-199.
DOI：

汪靖尧, 冯陈, 张玉全, et al. 基于ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测[J]. 2026, 44(3): 194-199. DOI： 10.20040/j.cnki.1000-7709.2026.20250203.

摘要

抽水蓄能机组的大部分问题可通过振动信号来反映，但由于振动信号具有较强的非线性、非平稳性难以直接预测。为此，提出了一种基于改进的完全集合经验模态分解(ICEEMDAN)、卷积神经网络(CNN)、长短时记忆网络(LSTM)和注意力机制(Attention Mechanism)的抽水蓄能机组振动预测模型。该模型首先对振动信号进行ICEEMDAN分解，能避免模态混叠和噪声干扰；利用分解得到的IMF分量输入CNN提取特征数据，再利用LSTM深度挖掘时序特征；然后引入注意力机制，使模型聚焦关键输入信息，从而提高模型的预测性能；最后以国内某抽水蓄能电站的振动数据进行验证，并以均方误差、均方根误差、平均绝对误差及决定系数作为性能评价指标。结果表明，所提方法构建的模型相较于其他常规模型，具有更高的预测精度，适用于抽水蓄能机组的振动信号趋势预测。

Abstract

关键词

Keywords

references

Yu Sun,Qibo Zhou,Li Sun,Liping Sun,Jichuan Kang,He Li.CNN–LSTM–AM: A power prediction model for offshore wind turbines[J].Ocean Engineering,2024.

石化波,王刚,曾怀恩.一种ICEEMDAN-CNN-SVR滑坡位移组合预测模型[J].三峡大学学报(自然科学版),2025(01).

陈星,沈紫菡,许钦,蔡晶.基于CNN-LSTM-Attention的月生活需水预测研究[J].三峡大学学报(自然科学版),2024(05).

高金林,伍盛金,赖兴全,王卫玉,魏加达,马泽宁,陈启卷.基于ICEEMDAN和CNN的水电机组故障诊断[J].中国农村水利水电,2024(08).

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).

单亚辉,王浩,吴根平,刘颉.基于卷积-长短期记忆神经网络的抽水蓄能机组健康性能趋势预测[J].水电能源科学,2023(08).

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).

杨雄,聂赛,章志平,刘泽,卢俊琦,汤络翔,冯陈,张玉全,郑源.基于TPA机制改进的VMD-GRU抽水蓄能机组振动预测[J].水电与抽水蓄能,2023(01).

袁成建,邓玉敏,张雪桂,马历,严耀亮,李超顺.基于VMD-GA-BP和误差校正的水电机组振动趋势预测[J].中国农村水利水电,2023(01).

邓玉敏,张雪桂,马历,严耀亮,李超顺.基于CNN-BiGRU的水电机组振动趋势预测[J].中国农村水利水电,2022(09).

毕扬,郑波,张亚武,朱溪,江亚兰,李超顺.基于MIC与BiGRU的水电机组振动趋势预测[J].水利学报,2021(05).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于CNN-LSTM-Attention的水电机组振动趋势预测

基于CNN-LSTM模型的城市洪水二维时空预测研究

基于EMD-KPCA-LSTM的抽水蓄能机组振动预测

基于高频分量平滑采样的水电机组状态预测

基于LSTM的水库土石坝渗流动态区间预警研究

Related Author

吴智伟

郑维军

陈金保

郑阳

封天雨

初翔宇

赵鑫

王慧妍

Related Institution

华电电力科学研究院有限公司

湖北省智慧水电技术创新中心

中国长江电力股份有限公司

武汉大学动力与机械学院

中国市政工程华北设计研究总院有限公司

AI问答

⁰