文献类型：期刊文章

作　　者：陆丹[1] 肖志怀[1] 刘东[2] 胡晓[1] 邓涛[3]

LU Dan;XIAO Zhi-huai;LIU Dong;HU Xiao;DENG Tao(Key Laboratory of Hydraulic Machinery Transients,Ministry of Education,Wuhan University,Wuhan 430072,China;State Key Laboratory of Water Resources and Hydropower Engineering Science,Wuhan University,Wuhan 430072,China;Hydropower Center,Logistical Support Department,Wuhan University,Wuhan 430072,China)

机构地区：[1]武汉大学水力机械过渡过程教育部重点实验室,武汉430072 [2]武汉大学水资源与水电工程科学国家重点实验室,武汉430072 [3]武汉大学后勤保障部水电中心,武汉430072

出　　处：《中国农村水利水电》

基　　金：国家自然科学基金项目(51979204)。

年　　份：2021

期　　号：8

起止页码：186-194

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：电厂、电网的安全稳定与水电机组的运行状态息息相关。机组状态趋势预测弥补了故障诊断作为事后决策的不足,通过预测提前发现故障征兆,可以避免事故发生。本文结合EEMD和神经网络理论,提出了一种水电机组状态趋势预测模型。以国内某两电站的机组振动状态趋势预测为例,首先对机组振动信号进行EEMD分解,其次利用GA-BP预测模型预测各IMF分量运行趋势,最终预测信号是各分量的预测结果累加得到。实验结果表明,该模型能实现机组振动状态趋势的有效预测,相较于其他方法精度更高。

关 键 词：水电机组振动信号  集合经验模态分解  趋势预测  GA-BP神经网络

分 类 号：TV3]