基于CNN-LSTM-Attention的水电机组振动趋势预测

吴智伟; 郑维军; 陈金保; 郑阳

doi:10.20040/j.cnki.1000-7709.2026.20250323

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-Attention的水电机组振动趋势预测

水能利用及水电站工程 | 更新时间：2026-04-25

- 基于CNN-LSTM-Attention的水电机组振动趋势预测
- 基于CNN-LSTM-Attention的水电机组振动趋势预测
- 水电能源科学 2026年44卷第4期页码：221-225
- 作者机构：
  
  1. 华电电力科学研究院有限公司
  2. 湖北省智慧水电技术创新中心
  3. 中国长江电力股份有限公司
  4. 武汉大学动力与机械学院
- 作者简介：
- 基金信息：
  
  湖北省自然科学基金项目(2022CFD165)
- DOI：10.20040/j.cnki.1000-7709.2026.20250323
  中图分类号： TP183;TV734
- 纸质出版：2026
- 稿件说明：
移动端阅览
吴智伟, 郑维军, 陈金保, 等. 基于CNN-LSTM-Attention的水电机组振动趋势预测[J]. 水电能源科学, 2026,44(4):221-225.

吴智伟, 郑维军, 陈金保, et al. 基于CNN-LSTM-Attention的水电机组振动趋势预测[J]. 2026, 44(4): 221-225.
吴智伟, 郑维军, 陈金保, 等. 基于CNN-LSTM-Attention的水电机组振动趋势预测[J]. 水电能源科学, 2026,44(4):221-225. DOI： 10.20040/j.cnki.1000-7709.2026.20250323.

吴智伟, 郑维军, 陈金保, et al. 基于CNN-LSTM-Attention的水电机组振动趋势预测[J]. 2026, 44(4): 221-225. DOI： 10.20040/j.cnki.1000-7709.2026.20250323.

摘要

水电机组由于长期运行在复杂工况下，机组容易出现振动异常，严重时可能导致设备故障甚至停机事故。因此，准确预测水电机组的振动趋势对于保障设备稳定运行至关重要。对此，提出了一种基于CNN-LSTM-Attention的水电机组振动趋势预测方法。首先利用卷积神经网络提取振动信号的局部特征，然后通过长短期记忆网络提取时间序列依赖关系，最后引入注意力机制用以计算不同时间步的重要性权重，使模型能够更精准地关注关键特征，提高预测精度和鲁棒性。以真实水电机组振动峰峰值进行预测研究，试验结果表明，CNN-LSTM-Attention模型可有效预测水电机组振动趋势，相较LSTM在归一化均方根误差、归一化平均绝对误差指标上平均分别降低约33%、35%

相较CNN-LSTM则均平均降低约16%

为水电机组振动趋势预测提供了新方法。

Abstract

关键词

Keywords

references

孙育晖,王利英,雷庆文,曹庆皎.基于CEEMDAN-IPSO-LSTM的水电机组振动预测研究[J].人民黄河,2023(05).

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).

郑玉婕,沈兴全,周进节,双立,杨启俊.基于混合注意力机制的滚动轴承故障诊断方法[J].机床与液压,2024(22).

伍盛金,高金林,赖兴全,王卫玉,魏加达,田波,郑阳.基于DA-WGAN-SVM的水电机组小样本故障诊断[J].水电能源科学,2024(11).

马泽宁,郑阳,柳无双,田波,陈启卷.基于综合指标降噪的CEEMDAN-TCN水电机组振动趋势预测[J].水电能源科学,2024(11).

欧阳慧泉,杨峰,单定军,肖龙,周迪,李超顺.基于SSA-VMD-WDCNN的水电机组故障诊断[J].水电能源科学,2024(12).

朱岸锋,赵前程,周凌,杨天龙,阳雪兵.基于CNN-LSTM-Attention的风电机组状态监测与健康评估[J].振动.测试与诊断,2025(02).

史钰博,李琳.基于CNN-LSTM-Attention预测钻井摩阻的方法研究[J].电脑与信息技术,2025(02).

任德珍,张清华.融合自注意力机制的1DCNN-BiGRU轴承故障诊断方法[J].广东石油化工学院学报,2024(06).

胡志平,王焕河,田凡,陈万凯,许颜贺.基于改进加权域对抗网络和混合注意力机制的水电机组滚动轴承故障诊断方法[J].中国农村水利水电,2025(01).

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STFT-SE-CNN多通道特征融合的水电机组故障诊断

基于ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测

基于PSO-PCA-CNN的水电机组故障诊断

基于注意力卷积神经网络的水轮机健康状态评估研究

基于多因素的短期风电功率组合预测研究