典型文献
基于EEMD和LSTM的水电机组劣化度预测方法研究
文献摘要：
针对水电机组作为低速旋转设备具有复杂的运行机理,在目前缺乏先验知识、故障样本较少的情况下,运用传统故障诊断方法很难对水电机组的运行状况做出正确判断的问题,提出一种基于集合经验模态分解法和长短期记忆神经网络相结合的水电机组劣化度预测方法.利用水电机组非故障运行期间的数据计算不同工况下的特征参数健康值标准,使用劣化度描述机组运行期间特征量偏离健康值的程度,并通过集合经验模态分解法将原本具有非平稳性的劣化度时间序列分解为若干个平稳的分量序列,最后使用长短期记忆神经网络预测算法对机组劣化度进行预测.预测结果表明,该方法具有较好的预测精度,能准确地预测水电机组的劣化趋势.
文献关键词：
水电机组;劣化;人工智能;预测;长短期记忆神经网络;集合经验模态分解
中图分类号：
作者姓名：
傅质馨;殷贵;朱俊澎;袁越
作者机构：
河海大学能源与电气学院,南京 211100;河海大学可再生能源发电技术教育部工程研究中心,南京 211100
文献出处：
引用格式：
[1]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):75-81
A类：
B类：
EEMD,水电机组,劣化度,低速,旋转设备,运行机理,先验知识,故障诊断方法,运行状况,集合经验模态分解法,长短期记忆神经网络,运行期,数据计算,不同工况,机组运行,特征量,非平稳性,时间序列分解,若干个,神经网络预测算法,劣化趋势
AB值：
0.19541
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
