摘要
本发明提供了一种基于EMD‑LSTM神经网络的水轮发电机组导轴承温度预测方法,包含如下步骤:对收集到的历史数据:发电机导轴承的冷却水流量,冷却油流量,冷却水及油的进出口温度,发电机的振摆数据,发电机机坑温度,发电机的有功、无功及转速进行数据清洗,去除错误数据并将缺失的数据进行数据填补;将获取的历史数据使用经验模态分解进行处理;将处理后的数据输入搭建好的长短期记忆神经网络中进行训练;使用训练好的神经网络对发电机温度进行预测。本发明可对提前预测水轮发电机组导轴承温度,方便运行及维护人员提前发现异常的温度点并进行处理,保障水轮发电机组的稳定运行。
技术关键词
LSTM神经网络
水轮发电机组
温度预测方法
导轴承
长短期记忆神经网络
矩阵
样本
三次样条插值
冷却油
误差
梯度下降法
残差数据
信号
冷却水
序列
计算方法
线性
算法
系统为您推荐了相关专利信息
天然气抄表
关键特征点
人工智能识别
现场数据采集
Softmax分类器
无功功率预测方法
直流电弧炉
指标库
三维立体
谐波相位
三相多回路
温度预测方法
稳态热路模型
隧道
热阻
智能预警方法
智能预警系统
交叉口
风险预测模型
拥堵指数