基于Informer-Bayes的水电机组振动信号的自适应区间预测方法研究

钟远锋; 何宇平; 陈志; 贺洁; 吴浩; 孙文昊

doi:10.20040/j.cnki.1000-7709.2026.20251689

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于Informer-Bayes的水电机组振动信号的自适应区间预测方法研究

更新时间：2026-09-12

- 基于Informer-Bayes的水电机组振动信号的自适应区间预测方法研究
- Vol. 44, Issue 8, Pages: 197-202(2026)
- 作者机构：
  
  1. 贵州乌江水电开发有限责任公司构皮滩发电厂
  2. 南瑞集团有限公司
  3. 武汉大学动力与机械学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20251689
  CLC： TV736
- Published：2026
- 稿件说明：
移动端阅览
钟远锋, 何宇平, 陈志, et al. 基于Informer-Bayes的水电机组振动信号的自适应区间预测方法研究[J]. 2026, 44(8): 197-202.
DOI：

钟远锋, 何宇平, 陈志, et al. 基于Informer-Bayes的水电机组振动信号的自适应区间预测方法研究[J]. 2026, 44(8): 197-202. DOI： 10.20040/j.cnki.1000-7709.2026.20251689.

摘要

水电机组由于长期运行在复杂工况下，机组会出现劣化现象，严重时可能导致设备故障甚至停机事故。因此，准确预测水电机组的振动趋势对于保障设备稳定运行至关重要。针对现有研究中侧重点预测、缺乏对振动信号波动特性的动态量化问题，提出了一种基于Informer-Bayes的水电机组振动信号自适应区间预测方法。该方法首先利用Informer模型对振动信号进行高精度点预测，再结合基于残差分析的贝叶斯动态修正方法实现区间宽度的自适应调整，以兼顾预测区间的覆盖率与紧致性。对实际水电机组运行数据开展的对比试验结果表明，所提方法的区间覆盖率、区间归一化平均宽度均优于固定区间构造方式，展现出良好的泛化能力与工程应用价值。

Abstract

关键词

Keywords

references

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).

付波,聂兴宇,赵熙临,王诗雯,李超顺.基于VMD-SE-PSO-BIGRU模型的水电机组振动趋势预测[J].水电能源科学,2023(12).

孙文昊,胡志平,肖志怀,邹屹东,皮俊东,马哲轩.基于一维卷积神经网络与近似熵特征融合的水电机组故障诊断[J].中国农村水利水电,2024(02).

丁晨,刘梦,王官佳,杜伟,吴凤娇,王斌.基于WT和SVD的水电机组故障特征提取方法[J].水电与新能源,2024(01).

马泽宁,郑阳,柳无双,田波,陈启卷.基于综合指标降噪的CEEMDAN-TCN水电机组振动趋势预测[J].水电能源科学,2024(11).

李春雷,杨河山,张红霞,曹裕民,姜兴兴,靳彩霞.基于Transformer时间序列分块模型的CO_2驱油藏静压预测方法[J].油气地质与采收率,2025(04).

魏学锋,刘德新,陈鹏,苏纪成,汪昱,吴韬为,李超顺.基于HHO-VMD-BiGRU的水电机组振动趋势预测[J].中国农村水利水电,2025(10).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于CSVMD的水电机组导轴承故障振动信号特征提取

计及稳定余量的水电机组一次调频PI参数优化研究

基于高频分量平滑采样的水电机组状态预测

基于双分解融合TSMDE和ISSA的水电机组故障诊断

基于ICPO-VMD与自适应多模型融合的水电机组振动趋势预测

Related Author

刘东

孔丽君

胡文庆

陈庭熙

肖志怀

汪广明

汪文元

易谦

Related Institution

3b.武汉大学动力与机械学院

3a.武汉大学电气与自动化学院

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

华中科技大学土木与水利工程学院

AI问答

⁰