来源：期刊VIP网 时间：
作者：惠振国;胡志平;孙政;祝旭;许颜贺;
单位：湖北白莲河抽水蓄能有限公司;重庆川仪软件有限公司;华中科技大学数字流域科学与技术湖北省重点实验室;
摘要：作为抽水蓄能电站能量转换的核心设备，抽蓄机组运行状态的准确预测对保证电站安全运行具有重要意义。为此，提出一种基于改进经验模态分解(IEMD)和全局注意力机制优化时间卷积网络(GAM-TCN)的机组状态趋势预测方法。首先，鉴于振动信号对机组运行状态的直观表征作用，利用IEMD对振动信号进行分解，得到固有模态分量(IMFs)集合；其次，针对IMFs呈现的多频段、多尺度特征，构建一种新型的GAM-TCN模型，自适应捕获更为精细的数据全局信息，显著提升预测精度。工程实例结果表明，所提方法有助于获取更为精确的状态趋势预测结果，对推动机组智能运维策略发展具有重要意义。
关键词：抽水蓄能机组;;状态趋势预测;;经验模态分解;;GAM;;TCN
基金资助：国网新源集团(控股)有限公司科技项目(SGXYKJ-2023-035);; 国家自然科学基金项目(51809099);; 湖北省自然科学基金项目(2020CFB819)
