| 机器学习在电站设备状态分析中的应用 |
| |
| 引用本文： | 李晓东,陈亚鹏,王保营,胡乔艳,赖菲,吴涛,徐创学,薛晗光,何新,王智微,高海东,高林. 机器学习在电站设备状态分析中的应用[J]. 热力发电, 2020, 49(1): 129-133 |
| |
| 作者姓名： | 李晓东 陈亚鹏 王保营 胡乔艳 赖菲 吴涛 徐创学 薛晗光 何新 王智微 高海东 高林 |
| |
| 作者单位： | 中电投珠海横琴热电有限公司,广东 珠海519000;西安热工研究院有限公司,陕西 西安710054 |
| |
| 摘 要： | 本文对电站设备状态分析中学习向量量化(LVQ)神经网络和深度学习算法循环递归长短期记忆(LSTM)神经网络进行了详细分析,利用LSTM神经网络对磨煤机设备进行状态分析,将LSTM神经网络中最后一个隐含层的激励函数设为Softmax函数,其输出值表示设备状态的健康程度及设备可能发生事故的概率,并将LSTM神经网络和LVQ神经网络进行设备状态分析对比。结果表明,利用LSTM神经网络得到的训练模型可以得到设备状态分类更高的准确率,减少在设备状态评判中的漏报率和误报率。
|
| 关 键 词： | 电站设备 机器学习 深度学习 状态分析 磨煤机 LSTM神经网络 LVQ神经网络 |
Application of machine learning in state analysis of power plant equipment |
| |
| LI Xiaodong1,CHEN Yapeng1,WANG Baoying1,HU Qiaoyan1,LAI Fei2,WU Tao2,XU Chuangxue2,XUE Hanguang2,HE Xin2,WANG Zhiwei2,GAO Haidong2. Application of machine learning in state analysis of power plant equipment[J]. Thermal Power Generation, 2020, 49(1): 129-133 |
| |
| Authors: | LI Xiaodong1 CHEN Yapeng1 WANG Baoying1 HU Qiaoyan1 LAI Fei2 WU Tao2 XU Chuangxue2 XUE Hanguang2 HE Xin2 WANG Zhiwei2 GAO Haidong2 |
| |
| Affiliation: | 1. SPIC Zhuhai Hengqin Cogeneration Co., Ltd., Zhuhai 519000, China; 2. Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《热力发电》浏览原始摘要信息 |
|
点击此处可从《热力发电》下载免费的PDF全文 |
|
