摘要
一种结合WGAN‑GP及ITOC‑VMD‑FBiLSTM的抽水蓄能机组振动趋势预测方法,包括:获取抽水蓄能机组的原始振动数据,引入WGAN‑GP生成振动数据,构建合成数据集;引入正弦混沌映射初始化与周期性自适应扰动对TOC算法进行改进,得到ITOC算法;采用ITOC‑VMD方法分解合成数据,得到多组子序列分量,以进一步提取不同时间尺度的特征;通过PSR进行相空间重构,构建训练集与测试集;引入FAN模块对BiLSTM‑KAN进行改进,得到FBiLSTM,并利用FBiLSTM对输入信号进行预测。本发明结合WGAN‑GP及ITOC‑VMD‑FBiLSTM抽水蓄能机组振动趋势预测方法的优越性,在历史数据上均取得良好的预测效果,所提方法显著提高预测模型的稳定性和预测效果的准确性。
技术关键词
抽水蓄能机组
趋势预测方法
浅层神经网络
数据分布
代表
趋势预测模型
序列
拉格朗日
模型训练模块
因子
样本
趋势预测系统
数据采集模块
算法
抽水蓄能电站
周期性
初始化方法
重构
系统为您推荐了相关专利信息
关键监测参数
数据采集终端
矩阵
短时傅里叶变换
故障特征
资源优化调度方法
导弹
拍卖机制
信息熵
通信网络结构
模型预测控制算法
机器人模仿学习
序列
数据
代表
分布式卫星
任务调度方法
环形拓扑结构
代表
动态