基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测

起登春; 巴荣云; 孙华芬; 马道荣; 贺洁

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测

监控与自动化 | 更新时间：2026-05-22

- 基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测
- 基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测
- 水电与抽水蓄能 2026年12卷第2期页码：103-109
- 作者机构：
  
  1. 国家能源集团云南电力有限公司六郎洞(大寨)分公司
  2. 南京南瑞水利水电科技有限公司
- 作者简介：
- 基金信息：
  
  江苏省重点研发计划（社会发展）项目“基于大数据的工业锅炉智慧监管云平台关键技术研究”（BE2021750）
- DOI：
  中图分类号： TP183;TV738
- 纸质出版：2026
- 稿件说明：
移动端阅览
起登春, 巴荣云, 孙华芬, 等. 基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测[J]. 水电与抽水蓄能, 2026,12(2):103-109.

起登春, 巴荣云, 孙华芬, et al. 基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测[J]. 2026, 12(2): 103-109.
起登春, 巴荣云, 孙华芬, 等. 基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测[J]. 水电与抽水蓄能, 2026,12(2):103-109. DOI：

起登春, 巴荣云, 孙华芬, et al. 基于CNN-LSTM-OCSVM的无监督水电厂发电机故障预测[J]. 2026, 12(2): 103-109. DOI：

摘要

故障预测是保障水电厂发电机安全稳定运行的关键。针对水电厂发电机温度监测数据的复杂非线性时序特性，和传统递归神经网络容易产生梯度消失的问题，以及故障早期异常症状不明显、难以通过传统方法准确捕捉的问题，提出了一种基于CNN-LSTM-OCSVM的无监督故障预测模型。通过分析水电厂发电机下导轴承温度数据，预测未来系统参数，并结合单分类支持向量机进行无监督的故障检测。实验结果表明，该方法能够提前预测潜在故障，有效提高故障预测的准确性与鲁棒性。

Abstract

关键词

Keywords

references

李兵,韩睿,何怡刚,张晓艺,侯金波.改进随机森林算法在电机轴承故障诊断中的应用[J].中国电机工程学报,2020(04).

刘欢,徐德勃,张涵涛,王皓月,靳洪旭.基于Adam算法的LMS优化[J].电子制作,2024(12).

Xiang Li,Qian Ding,Jian-Qiao Sun.Remaining useful life estimation in prognostics using deep convolution neural networks[J].Reliability Engineering and System Safety,2018.

Jia Cai,Hasan Ferdowsi,Jagannathan Sarangapani.Model-based fault detection, estimation, and prediction for a class of linear distributed parameter systems[J].Automatica,2016.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于YOLO V5模型的水电站智能巡检系统设计

基于增强现实（AR）、深度学习与大数据技术的分布式水电站智慧检修系统研究

堆石混凝土高拱坝设计与施工质量管控关键技术

水利水电工程质量与安全管控关键技术探索

面板堆石坝机械化及智能建造研究方向浅析