1. 中国长江电力股份有限公司
2. 哈尔滨电机厂有限责任公司
3. 哈尔滨大电机研究所有限公司
纸质出版:2026
移动端阅览
胡德昌, 孙永鑫, 蔡伟, 等. 基于EEMD-GBDT的水轮机组故障诊断研究[J]. 大电机技术, 2026,(3):79-88.
胡德昌, 孙永鑫, 蔡伟, et al. 基于EEMD-GBDT的水轮机组故障诊断研究[J]. 2026, (3): 79-88.
胡德昌, 孙永鑫, 蔡伟, 等. 基于EEMD-GBDT的水轮机组故障诊断研究[J]. 大电机技术, 2026,(3):79-88. DOI:
胡德昌, 孙永鑫, 蔡伟, et al. 基于EEMD-GBDT的水轮机组故障诊断研究[J]. 2026, (3): 79-88. DOI:
本文提出了一种基于EEMD-GBDT的水轮机组故障预警方法,旨在提高水轮机组在复杂工况下的故障诊断与劣化评估准确性。首先,通过聚集经验模态分解(EEMD)算法对水轮机组的振动信号进行处理,以提取有效的故障特征并去除噪声,并采用K-means聚类算法对故障特征进行分类。然后,结合梯度提升决策树(GBDT)模型进行正常工况下的机组运行建模,通过对比水轮机组的实际运行信号与GBDT模型预测的正常信号,并计算其到三种故障类型质心的距离,对水轮机组故障的种类做出判断。实验结果表明,本文构建的模型相比于支持向量机(SVM)
随机配置网络(SCN)模型以及长短期记忆网络(LSTM)模型的预测精度更高,并且通过计算实际运行信号到碰磨、不平衡、不对中三种故障类型质心的距离分别为0.979、0.569、0.535
能准确判断出水轮机组的故障类型为不对中故障,案例充分验证了该方法的有效性与准确性。在实际应用中,该方法能够提前发现水轮机组潜在故障,为设备维护和故障预警提供理论支持和技术保障。
潘罗平,安学利,周叶.基于大数据的多维度水电机组健康评估与诊断[J].水利学报,2018(09).
李立军,张晓光.基于动态粒子群优化与K-means聚类的图像分割算法[J].现代电子技术,2018(10).
张经纬,黄宁馨,陈柏柯,荆朝霞.电力市场环境下抽水蓄能参与电能量市场的优化运行策略[J].电力建设,2020(04).
陈瑜彬,杨文发,陈力,许银山.一种基于马氏距离识别法的流域临界雨量拟定方法应用探讨[J].水利水电技术,2016(01).
衣传宝,王德顺,王龙泽,蒋思宇,谢彧,焦淑涔,张妍,谢欢,李美成.抽水蓄能机组功率调节评价方法综述[J].华北电力大学学报(自然科学版),2021(04).
薛延刚,王瀚.基于HHT的水轮机空化信号研究[J].水力发电学报,2015(05).
陈飞,王斌,周东东,赵志高,丁晨,陈帝伊.融合改进符号动态熵和随机配置网络的水电机组轴系故障诊断方法[J].水利学报,2022(09).
陈君,刘时城,王成林.基于GBDT-OK算法与星地数据模拟南方降雨侵蚀力研究[J].水电能源科学,2022(11).
肖博屹,曾云,刀方,邹屹东,李想,拜树芳.融合EEMD-CNN的水电机组磨碰故障声纹识别模型[J].水力发电学报,2024(01).
吴挺玮,潘罗平,安学利.融合HO-VMD的水电机组摆度信号消噪方法[J].水力发电学报,2024(12).
刘德旭,杨迎,黄宏旭,钟海旺.新型电力系统大规模抽水蓄能调度运行与控制综述及展望[J].中国电机工程学报,2025(01).
于作华,陶智宇,李晓辉,张方芳,章仁怀,吴伟峰,陶然.水电站智能巡检系统监测运行与时序特征分析[J].大电机技术,2024(05).
胡列豪,巩宇,张勇军,安禹铮,蒋崇颖,廖美英.考虑声-振模态结合的抽水蓄能机组轴承故障诊断[J].电力系统保护与控制,2024(11).
卢志扬,李晓超,李尚奇,李铁友,周叶.基于振动的水电机组故障诊断系统研究[J].水利水电技术(中英文),2024(S2).
潘天航,蔡金华,高元,张冰,孟宪宇,耿欣,冯康康.基于改进经验模态分解的水电机组振动信号故障特征提取[J].水电能源科学,2025(03).
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构