-
题名基于知识图谱的水电站设备故障根因分析方法
被引量：1
- 1
-
-
作者
谈群
苗洪雷
秦拯
朱玺
郜振亚
-
机构
湖南大学信息科学与工程学院
华自科技股份有限公司
-
出处
《人民长江》
北大核心
2024年第2期259-264,共6页
-
基金
国家自然科学基金项目(U20A20174)
长沙市科技计划项目(kh2204007)。
-
文摘
水电站设备故障成因复杂、关联性强,研究故障之间的成因关系及发生概率有助于快速确定故障原因和制定排查计划。根据专家经验与历史故障数据构建了水电站设备知识图谱,设计了基于知识图谱的智能故障诊断算法,利用Noisy Or模型实现一种近似推理算法,实现了根因的定量分析,并基于图推理分析相关现象和熵理论实现了排查建议的优化计算。该系统可给出全面、详细的建议和解释信息,允许用户自由交互,可以帮助用户快速开展排查故障。系统具有不依赖历史数据、准确性高、可解释性强、可动态更新等优点,为智慧水电站建设提供了先进平台。
-
关键词
水电站设备
故障诊断
知识图谱
图推理
熵
-
Keywords
equipment of hydropower station
fault diagnosis
knowledge graph
graph reasoning
entropy
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于XGBoost-LSTM的水轮机轴瓦温度预测
被引量：1
- 2
-
-
作者
谈群
郜振亚
秦拯
苗洪雷
-
机构
湖南大学信息科学与工程学院
华自科技股份有限公司
-
出处
《水利水电快报》
2023年第10期65-70,76,共7页
-
基金
长沙市科技计划项目(kh2204007)。
-
文摘
为保障水轮机在工作状态下的安全运行,有必要对轴瓦温度进行预测研究,提出了一种基于XGBoost-LSTM的轴瓦温度预测模型,利用XGBoost进行特征选择,挑选出对轴瓦温度有影响的重要特征;利用LSTM进行时间序列分析,挖掘出特征的未来发展趋势,得到更加准确的预测结果。结果表明:特征选择后模型精度得到了一定程度提升,LSTM模型能够较好地预测出轴瓦温度的变化趋势,预测值与真实值的最大误差小于1℃,研究成果可为水轮机故障预测与健康管理系统的开发提供理论和技术支持。
-
关键词
轴瓦温度
特征工程
XGBoost
时间序列
长短期记忆(LSTM)
-
Keywords
bearing temperature
feature engineering
XGBoost
time series
LSTM
-
分类号
TK730.322
[交通运输工程—轮机工程]
-
