大量机组的老化问题导致原有故障预警系统失效,为实现老旧机组的技改增效,提出一种基于迁移学习的老化机组故障预警方法。首先,分析老化问题对机组数据分布的影响,并利用MIC(Maximal Information Coefficient)最大互信息系数和长短期记...大量机组的老化问题导致原有故障预警系统失效,为实现老旧机组的技改增效,提出一种基于迁移学习的老化机组故障预警方法。首先,分析老化问题对机组数据分布的影响,并利用MIC(Maximal Information Coefficient)最大互信息系数和长短期记忆神经网络(Long Short-Term Memory,LSTM)构建多年度机组故障预警模型,探究老化问题对现有故障预警技术的影响;其次,基于模型的迁移学习提出老化机组故障预警方法,在保留原模型大量信息的基础上,高效且快速地解决老化问题导致的原模型失效问题。实际风场数据采集及监控系统(Supervisory Control and Data Acquisition,SCADA)的数据验证表明,所提老化机组故障预警方法与重新训练的模型均能在故障发生前46 h发出预警,此外,所提方法大幅缩减了模型的构建时间和资源。展开更多
文摘大量机组的老化问题导致原有故障预警系统失效,为实现老旧机组的技改增效,提出一种基于迁移学习的老化机组故障预警方法。首先,分析老化问题对机组数据分布的影响,并利用MIC(Maximal Information Coefficient)最大互信息系数和长短期记忆神经网络(Long Short-Term Memory,LSTM)构建多年度机组故障预警模型,探究老化问题对现有故障预警技术的影响;其次,基于模型的迁移学习提出老化机组故障预警方法,在保留原模型大量信息的基础上,高效且快速地解决老化问题导致的原模型失效问题。实际风场数据采集及监控系统(Supervisory Control and Data Acquisition,SCADA)的数据验证表明,所提老化机组故障预警方法与重新训练的模型均能在故障发生前46 h发出预警,此外,所提方法大幅缩减了模型的构建时间和资源。
