大电机技术2024，Issue(2) ：74-80.

基于样本熵重构与RF-LSTM模型的水电机组状态趋势预测

State Trend Prediction of Hydropower Unit based on Sample Entropy Reconstruction and RF-LSTM Model

姜伟 卢俊泽 许颜贺
大电机技术2024，Issue(2) ：74-80.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于样本熵重构与RF-LSTM模型的水电机组状态趋势预测

State Trend Prediction of Hydropower Unit based on Sample Entropy Reconstruction and RF-LSTM Model

姜伟 1卢俊泽 1许颜贺2
扫码查看

作者信息

  • 1. 淮阴工学院机械与材料工程学院, 江苏 淮安223003
  • 2. 华中科技大学土木与水利工程学院, 武汉430074
  • 折叠

摘要

针对水电机组运行状态预测问题,提出一种基于样本熵重构(sample entropy reconstruction,SER)与随机森林(random forest,RF)-长短期记忆网络(long short-term memory,LSTM)的混合预测模型.首先,利用改进自适应噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive white noise,ICEEMDAN)方法,将复杂非线性振摆信号分解为一组本征模态(intrinsic mode functions,IMFs)分量;其次,采用SER原理重组具有相似复杂度的IMFs,得到多个重构特征分量(reconstruction feature components,RFCs);然后,利用随机森林预测样本熵最小的RFC,利用LSTM预测剩余的RFCs;最后,叠加各RFCs预测结果,实现水电机组状态趋势的准确预测.实验结果表明,所提方法具备更优的预测性能,可为实施机组预测性维护提供可靠的数据支持.

关键词

水电机组/样本熵/随机森林/长短期记忆网络/状态趋势预测

Key words

hydropower unit/sample entropy/RF/LSTM/state trend prediction

引用本文复制引用

基金项目

江苏省自然科学基金青年基金项目(BK20201065)

江苏省农业科技自主创新资金项目(CX213155)

出版年

2024
大电机技术
哈尔滨大电机研究所

大电机技术

CSTPCD
影响因子：0.329
ISSN：1000-3983
参考文献量9
段落导航相关论文