隨著我國(guó)綠色清潔能源的逐步開(kāi)發(fā),風(fēng)能、太陽(yáng)能、潮汐能等新能源穩(wěn)定發(fā)展,常規(guī)水電機(jī)組與抽水蓄能機(jī)組裝機(jī)容量也隨之快速增長(zhǎng)。與此同時(shí),水電能源在電力系統(tǒng)中將承擔(dān)更多的調(diào)峰調(diào)頻任務(wù)從而減少新能源并網(wǎng)時(shí)帶來(lái)的沖擊。在此背景下,為了切實(shí)保障電網(wǎng)的安全穩(wěn)定運(yùn)行,對(duì)水電站可靠運(yùn)行與健康管理提出了更高的要求。水輪發(fā)電機(jī)組作為水電站水能轉(zhuǎn)換的核心設(shè)備,其構(gòu)成部件相互耦合,呈現(xiàn)出復(fù)雜化、高度集成化的發(fā)展趨勢(shì),傳統(tǒng)的機(jī)組故障診斷方法已無(wú)法滿足工程實(shí)際需求。因此,為確保水電機(jī)組的安全穩(wěn)定運(yùn)行,本文針對(duì)水輪發(fā)電機(jī)組故障診斷與趨勢(shì)預(yù)測(cè)中的若干科學(xué)問(wèn)題,分析了現(xiàn)有理論與研究方法的局限性,以水電機(jī)組多源信息融合為切入點(diǎn),提出了水電機(jī)組運(yùn)行參數(shù)關(guān)聯(lián)分析方法;以參數(shù)關(guān)聯(lián)關(guān)系為基礎(chǔ),結(jié)合機(jī)器學(xué)習(xí)與對(duì)抗學(xué)習(xí)等先進(jìn)技術(shù)手段,構(gòu)建了完備的水電機(jī)組故障診斷體系;進(jìn)一步引入信號(hào)處理與深度學(xué)習(xí)理論,搭建了水電機(jī)組多步非線性趨勢(shì)預(yù)測(cè)模型,大幅提高了機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)步長(zhǎng),準(zhǔn)確預(yù)測(cè)了水電機(jī)組的狀態(tài)變化趨勢(shì)。論文的主要研究工作與創(chuàng)新成果如下:（1）為有效利用水電機(jī)組運(yùn)行監(jiān)測(cè)海量數(shù)據(jù),挖掘機(jī)組多源信息間的關(guān)聯(lián)關(guān)系,結(jié)合數(shù)據(jù)離散方法與數(shù)據(jù)挖掘算法... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：159 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 論文研究的背景和意義
    1.2 水電機(jī)組振動(dòng)故障機(jī)理概述
    1.3 水電機(jī)組振動(dòng)信號(hào)處理方法概述
    1.4 水電機(jī)組智能故障診斷研究方法概述
    1.5 水電機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)研究現(xiàn)狀
    1.6 本文主要研究?jī)?nèi)容與結(jié)構(gòu)
2 水電機(jī)組運(yùn)行數(shù)據(jù)關(guān)聯(lián)關(guān)系挖掘
    2.1 引言
    2.2 關(guān)聯(lián)規(guī)則相關(guān)概念及挖掘算法
    2.3 數(shù)據(jù)離散化方法
    2.4 基于K-Mediods的水電機(jī)組運(yùn)行數(shù)據(jù)離散化研究
    2.5 水電機(jī)組關(guān)聯(lián)關(guān)系挖掘算法研究
    2.6 水電機(jī)組運(yùn)行數(shù)據(jù)實(shí)例分析
    2.7 本章小結(jié)
3 水電機(jī)組多源信息融合故障診斷方法研究
    3.1 引言
    3.2 循環(huán)降噪自編碼器原理
    3.3 基于GRU-NP-DAE的水電機(jī)組多源故障診斷方法
    3.4 工程實(shí)例驗(yàn)證
    3.5 本章小結(jié)
4 水電機(jī)組無(wú)監(jiān)督故障聚類(lèi)方法研究
    4.1 引言
    4.2 生成式對(duì)抗網(wǎng)絡(luò)相關(guān)原理介紹
    4.3 基于分類(lèi)對(duì)抗自編碼器的水電機(jī)組無(wú)監(jiān)督故障聚類(lèi)
    4.4 工程實(shí)例驗(yàn)證
    4.5 本章小結(jié)
5 水電機(jī)組振動(dòng)信號(hào)多步非線性趨勢(shì)預(yù)測(cè)
    5.1 引言
    5.2 變分模態(tài)分解相關(guān)原理
    5.3 卷積神經(jīng)網(wǎng)絡(luò)相關(guān)原理介紹
    5.4 基于VMD與CNN的水電機(jī)組非線性振動(dòng)趨勢(shì)預(yù)測(cè)模型
    5.5 水輪機(jī)振動(dòng)數(shù)據(jù)多步預(yù)測(cè)結(jié)果分析
    5.6 本章小結(jié)
6 水電機(jī)組多源信息挖掘與故障診斷系統(tǒng)設(shè)計(jì)
    6.1 引言
    6.2 水電機(jī)組多源信息挖掘與故障診斷系統(tǒng)架構(gòu)設(shè)計(jì)
    6.3 水電機(jī)組多源信息挖掘與故障診斷系統(tǒng)在白蓮河抽水蓄能電站中的應(yīng)用
    6.4 本章小結(jié)
7 結(jié)論與展望
    7.1 全文工作總結(jié)
    7.2 進(jìn)一步研究展望
致謝
參考文獻(xiàn)
附錄1 :攻讀博士期間發(fā)表的論文
附錄2 :攻讀博士期間完成和參與的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM網(wǎng)絡(luò)預(yù)測(cè)的水輪機(jī)機(jī)組運(yùn)行狀態(tài)檢測(cè)[J]. 陳暢,李曉磊,崔維玉.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2019(03)
[2]基于Skip-gram的CNNs文本郵件分類(lèi)模型[J]. 黃鶴,荊曉遠(yuǎn),董西偉,吳飛.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(06)
[3]一種改進(jìn)的DNN-HMM的語(yǔ)音識(shí)別方法[J]. 李云紅,梁思程,賈凱莉,張秋銘,宋鵬,何琛,王剛毅,李禹萱.  應(yīng)用聲學(xué). 2019(03)
[4]基于多媒體信息的雙向LSTM情感分析方法[J]. 丁巖,鮑焱,胡曉.  計(jì)算機(jī)與現(xiàn)代化. 2019(02)
[5]基于變分模態(tài)分解和改進(jìn)模糊支持向量機(jī)的汽輪機(jī)故障診斷方法[J]. 張棟良,黃昕宇,李帥位.  濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[6]基于平穩(wěn)小波變換與隨機(jī)森林的電纜早期故障識(shí)別方法[J]. 李勝輝,白雪,董鶴楠,盧宏,郭朝云.  電工電能新技術(shù). 2020(03)
[7]基于經(jīng)驗(yàn)?zāi)B(tài)分解和深度卷積神經(jīng)網(wǎng)絡(luò)的行星齒輪箱故障診斷方法[J]. 胡蔦慶,陳徽鵬,程哲,張倫,張宇.  機(jī)械工程學(xué)報(bào). 2019(07)
[8]基于隨機(jī)森林分類(lèi)優(yōu)化的多特征語(yǔ)音情感識(shí)別[J]. 李高玲,帖云,齊林.  微電子學(xué)與計(jì)算機(jī). 2019(01)
[9]基于多維特征和多分類(lèi)器的水電機(jī)組故障診斷[J]. 程曉宜,陳啟卷,王衛(wèi)玉,鄭陽(yáng),郭定宇,婁強(qiáng).  水力發(fā)電學(xué)報(bào). 2019(04)
[10]基于經(jīng)驗(yàn)小波變換和峭度值的滾動(dòng)軸承故障檢測(cè)方法[J]. 席維,白璘,武奇生.  工業(yè)儀表與自動(dòng)化裝置. 2018(06)

博士論文
[1]基于混沌理論的滾動(dòng)軸承故障診斷及故障趨勢(shì)預(yù)測(cè)研究[D]. 李揚(yáng).西南交通大學(xué) 2018
[2]基于時(shí)頻分析與特征約簡(jiǎn)的水電機(jī)組故障診斷方法研究[D]. 薛小明.華中科技大學(xué) 2016
[3]水電機(jī)組狀態(tài)評(píng)估及智能診斷方法研究[D]. 肖劍.華中科技大學(xué) 2014
[4]水電機(jī)組智能故障診斷的多元征兆提取方法[D]. 肖漢.華中科技大學(xué) 2014
[5]水電能源系統(tǒng)優(yōu)化問(wèn)題中的數(shù)據(jù)挖掘、群智求解和綜合決策[D]. 江興穩(wěn).華中科技大學(xué) 2014
[6]基于狀態(tài)監(jiān)測(cè)數(shù)據(jù)的產(chǎn)品壽命預(yù)測(cè)與預(yù)測(cè)維護(hù)規(guī)劃方法研究[D]. 尤明懿.上海交通大學(xué) 2012
[7]基于數(shù)據(jù)挖掘技術(shù)的財(cái)務(wù)風(fēng)險(xiǎn)分析與預(yù)警研究[D]. 趙春.北京化工大學(xué) 2012
[8]隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D]. 雷震.上海交通大學(xué) 2012
[9]基于振動(dòng)信號(hào)的機(jī)械故障特征提取與診斷研究[D]. 趙志宏.北京交通大學(xué) 2012

碩士論文
[1]基于隨機(jī)森林和SVM的食物圖像識(shí)別的研究[D]. 楊迪.安徽理工大學(xué) 2017
[2]基于隨機(jī)森林的語(yǔ)音情感識(shí)別研究[D]. 劉進(jìn)華.華南理工大學(xué) 2013
[3]基于特征的水電機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)[D]. 代開(kāi)鋒.華中科技大學(xué) 2005



本文編號(hào)：2951571