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

恶劣的运行环境为抽水蓄能机组安全运行带来严峻挑战,抽水蓄能机组劣化趋势评估与预测技术能够有效反映机组运行状况并预测机组未来劣化情况,为机组状态检修提供重要依据。然而,机组运行工况参数中存在大量冗余或干扰信息,严重影响劣化趋势评估的可靠性;此外,难以对复杂的劣化趋势序列实现准确的预测。为解决上述问题,提出一种基于自编码压缩与多尺度特征提取的抽水蓄能机组劣化评估预测模型。首先,为降低拟合误差,利用深度自编码器(DAE)凝练工况参数中的关键信息,结合多层感知机(MLP)建立健康模型;其次,根据机组运行数据与健康模型,生成机组劣化度;最后,以一维卷积神经网络(1DCNN)提取局部空间特征,以双向门控循环单元(BiGRU)提取双向全局时序特征,结合二者的优势,构建多尺度特征提取网络,实现精确的劣化趋势预测。通过某抽水蓄能机组验证了该模型的有效性。与其他模型相比,自编码压缩模型的拟合误差最低,能够生成可靠的劣化趋势;多尺度特征提取网络能够学习劣化趋势序列中的长期趋势与局部波动信息,预测精度更高。     

基于混合经验模式分解的水轮机压力脉动分析

针对水轮机尾水管压力脉动信号的非平稳性以及经验模式分解(EMD)和集成平均经验模式分解(EEMD)的一些重要缺陷,以虚假分量识别和信号重构为基础,提出了一种混合经验模式分解方法。分别以仿真信号和某混流式水轮机尾水管压力脉动信号为例,验证了该方法相对于EMD和EEMD的优势。     

基于节能调度的竞价市场厂网合作策略

在电力系统推行节能调度的背景下，通过分析独立发电商和电网公司的运营动机，提出在日前竞价市场通过厂网合作进行节能调度的策略。基于日前市场不同市场主体的收益模型，对市场竞价过程进行求解，并通过对竞价过程的图形化表示，分析独立发电商竞价策略对竞价模型和调度结果的影响。根据节能调度规则，推导厂网合作方式和合作条件，并得出厂网合作的最优策略和相应收益分配方案。算例验证了所述策略的可行性。     

基于小波包变换和关联维数的空化信号特征提取

在详细阐述了声发射监测技术及空化声发射信号的特征基础上,采用小波包变换方法对空化信号进行处理.引入小波包特征频段分析法,以特征频段的能量和关联维数作为特征量来表征空化信号特征.最后根据选择的特征量对不同工况下的空化进行分类.仿真实验结果表明,该方法能够有效的表征空化强弱程度,具有一定的科学意义及工程价值.     

基于RBF神经网络的水轮机调节系统辨识

针对水轮机确切数学模型难以建立的问题以及水轮机调节系统非线性动态仿真的复杂性,利用RBF神经网络的局部逼近特性和快速收敛能力,实现水轮机调节系统非线性特性的辨识建模。将该模型应用于水轮机调节系统仿真,能快速准确地得到系统及机组内部各参数的变化规律。仿真结果表明,模型精度高,实用性强,从而为调节系统过渡过程的计算以及高级控制策略的研究提供了有力的支持。     

基于CFD的水电站地下厂房热湿环境模拟研究

为准确模拟水电站地下厂房通风情况并解决潮湿问题,提出在自然、机械通风情况下基于CFD的热湿环境模拟方法。对某水电站水轮机层进行三维建模、选取RNG k-ε模型进行热湿环境模拟,通过计算温湿度、空气分布特性指数以及能量效率系数等参数,对通风效果进行评价和对比。结果表明,该地下厂房在自然通风时气流分布不均匀且湿度过大,布置除湿机时气流分布均匀且能显著改善湿度指标。综合考虑,除湿机采用交叉布局方式更加具备节能优势。     

基于MIC与BiGRU的水电机组振动趋势预测

为提高水电机组振动趋势预测的准确率,本研究提出了一种基于最大信息系数(MIC)与双边门控循环神经网络(BiGRU)的水电机组振动趋势预测模型.首先,预处理阶段采用小波系数阈值去噪(WTD)方法对历史振动信号数据进行降噪处理以消除强背景噪声的干扰,并将振动信号划分为多个训练样本以改善算法的鲁棒性;其次考虑水力、电气与机械...     

基于熵权理论和信息融合技术的水电机组振动故障诊断

应用熵权、灰色关联分析和信息融合技术对水轮发电机组振动故障进行诊断。以水电机组振动信号的频域特征和时域振幅特征为诊断样本,使用基于熵权的灰色关联分析方法进行水电机组振动故障的初步诊断,然后应用证据融合理论对不同证据进行决策信息融合,从而得出最终的诊断结果。诊断实例表明,基于熵权的灰色关联分析和信息融合技术相结合的方法是有效的,适合于水电机组的振动故障诊断。