针对水力发电机组运行工况的智能识别问题,开展了信息融合与残差网络模型研究.首先,获取了水电机组多个关键部分的振动信号,依托本征正交分解实现了多通道振动信号的信息融合,实现了信号压缩与重构;进而,以深度残差网络模型为核心,分别以融合信号为输入、以机组运行工况为输出,构建了多通道振动信号与机组工况之间的决策模型;最后,以我国西南地区某台轴流式水电机组为对象,对其上下机架和定子系统的6通道振动信号进行了数据融合研究,实现了机组不同负荷、增减转速、启动停机等多种工况下识别功能,模型达到了98.33％的识别准确率.提出方法对于提高水电机组日常运维中的信息利用率和智能化水平具有参考意义.
万方数据
维普
