基于MLP和注意力机制BiLSTM的水电机组劣化趋势预测

何一纯; 李超顺; 杨云鹏

doi:10.20040/j.cnki.1000-7709.2025.20240633

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于MLP和注意力机制BiLSTM的水电机组劣化趋势预测

水能利用及水电站工程 | 更新时间：2026-02-25

- 基于MLP和注意力机制BiLSTM的水电机组劣化趋势预测
- 基于MLP和注意力机制BiLSTM的水电机组劣化趋势预测
- 水电能源科学 2025年43卷第3期页码：177-181+100
- 作者机构：
  
  1. 国网新源控股有限公司
  2. 华中科技大学土木与水利工程学院
- 作者简介：
- 基金信息：
  
  湖北省重点研发计划项目(2021BAA193);国网新源集团控股有限公司科技项目(SGXYKJ2023085)
- DOI：10.20040/j.cnki.1000-7709.2025.20240633
  中图分类号： TP183;TV738
- 纸质出版：2025
- 稿件说明：
移动端阅览
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, 2025,43(3):177-181+100.

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]. 2025, 43(3): 177-181+100.
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, 2025,43(3):177-181+100. DOI： 10.20040/j.cnki.1000-7709.2025.20240633.

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]. 2025, 43(3): 177-181+100. DOI： 10.20040/j.cnki.1000-7709.2025.20240633.

摘要

水电站因工作时间长、内部结构复杂及运行环境等因素导致水电机组部件逐步老化受损，使电站运行存在重大安全隐患。水电机组劣化趋势预测能反映机组的运行安全，为此提出一种基于多层感知机(MLP)和注意力机制的双向长短时记忆(Attention-BiLSTM)相结合的劣化趋势预测模型(MLP-BiLSTM-Attention)

首先将机组各工况数据与各个振摆数据进行相关性分析，获取关键部分之间的高度相关性；然后提取较高相关度特征值并输入改进后的MLP模型构建健康模型，利用实际机组运行数据与健康模型数据构建机组劣化度，劣化度信息输入Attention-BiLSTM预测网络实现劣化度预测；最后通过多种模型对比验证了所提模型的可行性和有效性。

Abstract

关键词

Keywords

references

姜伟.水电机组混合智能故障诊断与状态趋势预测方法研究[D].华中科技大学,2019(01).

罗毅,武博翔.基于深度学习LSTM-DBN的水轮机振动故障预测方法[J].振动.测试与诊断,2022(06).

陈鹏,吴一凡,蔡爽,杨彬,张海库,李超顺.基于自编码压缩与多尺度特征提取的抽水蓄能机组劣化趋势评估与预测[J].水利学报,2022(06).

傅质馨,殷贵,朱俊澎,袁越.基于EEMD和LSTM的水电机组劣化度预测方法研究[J].太阳能学报,2022(02).

张驰,郭媛,黎明.人工神经网络模型发展及应用综述[J].计算机工程与应用,2021(11).

毕扬,郑波,张亚武,朱溪,江亚兰,李超顺.基于MIC与BiGRU的水电机组振动趋势预测[J].水利学报,2021(05).

桂中华,张浩,孙慧芳,张飞.水电机组振动劣化预警模型研究及应用[J].水利学报,2018(02).

张勋康,陈文献,杨洋,李涛涛.基于VMD分解和支持向量机的水电机组振动故障诊断[J].电网与清洁能源,2017(10).

安学利,潘罗平,张飞,唐拥军.水电机组劣化趋势混合预测模型[J].水力发电学报,2014(03).

郭磊,刘德辉,李志红.智能诊断技术在水电机组振动故障诊断中的应用[J].水电能源科学,2009(04).

彭文季,罗兴锜.基于小波包分析和支持向量机的水电机组振动故障诊断研究[J].中国电机工程学报,2006(24).

Zhiheng Huang,Wei Xu,Kai Yu 0001.Bidirectional LSTM-CRF Models for Sequence Tagging.[J].CoRR,2015.

Hochreiter S,Schmidhuber J.Long short-term memory.[J].Neural computation,1997(8).

浏览量

515

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“优选—组合—修正”策略的月径流预测模型研究

基于多层感知机和编码器解码器架构的混凝土坝长期变形预测

基于鹈鹕优化CNN-BiLSTM的电力负荷预测

基于EMD-LSTM模型的水轮机组实测摆度信号预测方法研究

串联式混合动力推土机节能率的解析分析