水电机组多测点融合劣化趋势建模与预测研究

孙英赫; 李霞; 张一凡; 王成龙; 孙文昊

doi:10.20040/j.cnki.1000-7709.2026.20251765

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

水电机组多测点融合劣化趋势建模与预测研究

更新时间：2026-10-13

- 水电机组多测点融合劣化趋势建模与预测研究
- Vol. 44, Issue 9, Pages: 204-208+243(2026)
- 作者机构：
  
  1. 国电电力和禹水电开发公司
  2. 武汉大学动力与机械学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20251765
  CLC： TV734
- Published：2026
- 稿件说明：
移动端阅览
孙英赫, 李霞, 张一凡, et al. 水电机组多测点融合劣化趋势建模与预测研究[J]. 2026, 44(9): 204-208+243.
DOI：

孙英赫, 李霞, 张一凡, et al. 水电机组多测点融合劣化趋势建模与预测研究[J]. 2026, 44(9): 204-208+243. DOI： 10.20040/j.cnki.1000-7709.2026.20251765.

摘要

水电机组劣化趋势的准确识别与预测对保障设备安全运行和延长服役寿命具有重要意义。针对传统单测点劣化指标难以全面反映机组整体健康状态、权重设定主观性强等问题，提出一种融合多测点信息与深度学习模型的劣化趋势建模方法。首先，基于健康工况数据利用核密度估计构建测点的概率分布模型，并以负对数似然概率度量运行数据相对健康分布的偏离程度，从而形成单测点劣化指标；其次，采用熵权法对多测点指标进行客观加权融合，获得能够综合反映机组运行状态的综合劣化度指标；最后，引入结合卷积神经网络与Informer架构的深度预测模型，对融合指标的时间演化特征进行建模，实现局部变化模式与长时依赖关系的协同捕捉。实例验证结果表明，所提方法能够清晰揭示机组从健康到劣化的演化过程，且在预测精度与鲁棒性方面均优于LSTM、GRU和CNN-LSTM等模型。研究结果为水电机组健康状态评估与智能运维提供了新的技术路径与数据驱动手段。

Abstract

关键词

Keywords

references

任晟民.基于多源信息的水电机组故障分析及劣化状态评估方法研究[D].西北农林科技大学,2024(05).

张金鹏.抽水蓄能机组状态监测数据质量提升与状态评估研究[D].河南工业大学,2024(05).

何鸿翔.基于深度卷积网络的水电机组健康管理方法研究[D].华中科技大学,2024(08).

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).

林峰平,吴子豪.基于Bagging算法的水电机组状态评估[J].高科技与产业化,2024(07).

陈亦真,宋旭峰,李超顺.基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估[J].水电能源科学,2025(03).

宋阿妮,陈亦真,詹云峰,李超顺,付波.基于融合劣化指标和VMD-Informer的水电机组劣化趋势预测[J].中国农村水利水电,2025(05).

杨峰,肖峰,师博威,仝杰,李超顺.基于Optuna-CatBoost和CRITIC评价法的水电机组劣化趋势评估[J].水电能源科学,2025(02).

何一纯,李超顺,杨云鹏.基于MLP和注意力机制BiLSTM的水电机组劣化趋势预测[J].水电能源科学,2025(03).

陈列,沈旭东,徐剑峰,陈长游,安学利.基于优化BNN和NSTEMD的水电机组振动参数健康状态退化趋势提取研究[J].大电机技术,2025(01).

郭利进,孙淼,衡安阳.融合改进Informer与迁移学习的风电功率预测[J].太阳能学报,2025(07).

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BiGRU-SA的水电机组状态识别

基于TCN-Transformer的水电机组振动状态预测方法

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

孔丽君

刘东

杨靖宇

陈佳

徐波

邱晓松

Related Institution

国投云南大朝山水电有限公司

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

华电电力科学研究院有限公司

AI问答

⁰