科研之友
微信
新浪微博
Facebook
分享链接
摘要
为构建鲁棒性较强的状态估计模型，结合堆叠自编码器思想，提出一种基于深度双向门控循环神经网络的制粉系统状态估计及故障预警方法。首先，选取制粉系统正常运行状态变量历史数据作为深度双向门控循环神经网络的训练输入，然后利用网络强大的特征学习能力，建立制粉系统正常状态估计模型。采用滑动窗口法构建制粉系统状态监测指标，确定指标阈值，利用火电厂制粉系统历史运行数据进行仿真。结果表明：相比于其他方法，深度双向门控循环神经网络模型具有更好的估计性能，且能够在故障发生前及时发出预警信息，达到早期故障诊断的目的。
- 出版日期2023
- 单位华北电力大学
