基于BiGRU-SA的水电机组状态识别

孔丽君; 刘东; 杨靖宇; 陈佳; 徐波

doi:10.20040/j.cnki.1000-7709.2026.20251690

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于BiGRU-SA的水电机组状态识别

更新时间：2026-10-13

- 基于BiGRU-SA的水电机组状态识别
- Vol. 44, Issue 9, Pages: 227-232+193(2026)
- 作者机构：
  
  1. 中国长江电力股份有限公司
  2. 湖北省智慧水电技术创新中心
  3. 武汉大学电气与自动化学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20251690
  CLC： TV738
- Published：2026
- 稿件说明：
移动端阅览
孔丽君, 刘东, 杨靖宇, et al. 基于BiGRU-SA的水电机组状态识别[J]. 2026, 44(9): 227-232+193.
DOI：

孔丽君, 刘东, 杨靖宇, et al. 基于BiGRU-SA的水电机组状态识别[J]. 2026, 44(9): 227-232+193. DOI： 10.20040/j.cnki.1000-7709.2026.20251690.

摘要

提高水电机组状态识别准确率对实现水电厂状态检修具有重要意义。针对水电机组振动信号非平稳、非线性特点，提取振动信号时域、频域和互补集合经验模态分解CEEMD本征模态函数能量矩时频特征，作为描述机组状态的特征信号。结合双向门控循环单元BiGRU神经网络的时间序列特征挖掘能力和自注意力机制的赋权重能力，构建BiGRU-SA状态识别模型，以提取特征作为输入，水电机组状态为输出，训练BiGRU-SA模型，实现水电机组状态精准识别。结合转子实验台仿真数据和实际水电机组故障样本验证了所提模型可行、有效，具有比单一BiGRU和GRU模型更高的状态识别准确率。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于耗水率曲线的机组负荷优化分配方案可行性研究

基于TCN-Transformer的水电机组振动状态预测方法

水电机组多测点融合劣化趋势建模与预测研究

基于CSVMD的水电机组导轴承故障振动信号特征提取

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

Related Author

罗海龙

施和强

邱晓松

许永强

龚科

杨立勇

孙英赫

李霞

Related Institution

国投云南大朝山水电有限公司

华电电力科学研究院有限公司

华电西藏能源有限公司大古水电分公司

武汉大学动力与机械学院

国电电力和禹水电开发公司

AI问答

⁰