基于多模型融合的水轮机振摆合理性分析及预测

水轮发电机组的安全稳定运行，对于水电站至关重要。在机械、水力、电磁因素耦合及机械部件老化等多种原因的复合影响下，水电机组产生的故障大多以振摆形式表现出来，因此振摆信号可以直观地对机组运行状态进行表征。本文研究一种基于多模型融合的振摆分析方法，模型通过最小二乘法集成SVR、LightGBM和XGBoost三种机器学习算法，并采用R2决定系数对模型进行评价。通过实验表明，融合模型能够稳定地对振摆值进行预测，融合后的模型的R2得分可以达到0.98以上，比单一模型的R2得分提升0.3以上，验证了模型的有效性。