Page 110 - 水利学报2021年第52卷第5期

水 利 学 报

2021 年 5 月 SHUILI XUEBAO 第 52 卷 第 5 期

文章编号：0559-9350（2021）05-0612-11

基于 MIC 与 BiGRU 的水电机组振动趋势预测

毕 扬 ，郑 波 ，张亚武 ，朱 溪 ，江亚兰 ，李超顺 4
1
4
1
3
2
（1. 浙江仙居抽水蓄能有限公司，浙江 仙居 317300；
2. 中国电建集团华东勘测设计研究院有限公司，浙江 杭州 311122；
3. 国网新源控股有限公司，北京 100761；4. 华中科技大学 水电与数字化工程学院，湖北 武汉 430074）
摘要：为提高水电机组振动趋势预测的准确率，本研究提出了一种基于最大信息系数（MIC）与双边门控循环神经
网络（BiGRU）的水电机组振动趋势预测模型。首先，预处理阶段采用小波系数阈值去噪（WTD）方法对历史振动信
号数据进行降噪处理以消除强背景噪声的干扰，并将振动信号划分为多个训练样本以改善算法的鲁棒性；其次考
虑水力、电气与机械不平衡力因素的影响，基于 MIC 对与振动信号关联性强的状态参数进行特征选择作为模型的
参考输入；再采用 BiGRU 网络建立振动信号预测模型，进行超前多步的振动信号趋势预测；最后利用训练好的
模型对在线获取的振动数据进行实时预测。为评估模型的预测性能，本研究采集某抽水蓄能水电站的振动监测数
据进行多组对比实验，验证了所提方法具有较好的预测能力和泛化能力，适用于水电机组振动的趋势预测。
关键词：最大信息系数法；BiGRU；小波阈值去噪；信号处理；特征选择；趋势预测
中图分类号：TV738 文献标识码：A doi：10.13243/j.cnki.slxb.20200553

1 研究背景

水电机组作为电网调峰调频的重要设备，在运行过程中受水力冲击、机械失效和电磁不平衡等
综合因素的影响，会诱发各种故障与事故。水电机组的振动信号通常能够反应出机组运行状态的变
化及故障，因此从水电站监测数据中挖掘有效特征，并构建准确的振动趋势预测算法可以提升机组
和电力系统运行的安全稳定性，减少不必要的计划停机和意外停机 ［1-4］ 。
水电机组振动趋势预测是一个非线性非平稳的序列预测问题，预测方法通常分为物理模型和数
据驱动方法两大类。基于物理模型的方法包括回归模型，Weibull 分布模型，卡尔曼滤波和粒子滤波
等，在预测中得到广泛应用。文献［5］提出了一种基于自回归指数平滑模型的预测方法，其通过日内
［6］
周期指数平滑实现了短期预测；Kharoufeh 等 提出采用马尔可夫模型来计算不同时刻振动趋势的分
布状态以实现水电机组振动预测。这些基于物理模型的方法虽取得一定成果，但它依赖于专家的经
验知识来建立数学模型，具有不确定性和不稳定性，并忽视了对影响振动因素的深入分析。相反，
数据驱动方法则不需要建立任何精确的预测模型，而是通过学习历史振动数据变化规律构建数据间
的映射关系来实现时序预测，因此受到广泛关注。
数据驱动方法通常分为数据获取、特征提取、特征选择和趋势预测，特征提取与选择对振动趋
势预测具有重要影响。传统的信号处理方法通过提取时域或频域特征来表达原始数据的物理意义或
统计意义，然而对于参数随时间不断变化的非线性非平稳信号，针对不同的数据需要设计不同的时
域或频域特征，它不具有普适性。以小波变换和经验模态分解方法为代表的时频域分析方法通过时

收稿日期：2020-07-22；网络首发时间：2021-04-01
网络首发地址：http：/kns.cnki.net/kcms/detail/11.1882.TV.20210401.2122.002.html
/
基金项目：国家自然科学基金项目（51879111）；武汉市应用基础前沿专项（2018010401011269）；湖北省自然科学基金项目（2019CFA068）
作者简介：毕扬（1982-），高级工程师，主要从事水电站生产管理研究。E-mail：yang-bi@sgxy.sgcc.com.cn
通讯作者：李超顺（1983-），教授，博士生导师，主要从事水电机组故障诊断与优化控制研究。E-mail：csli@hust.edu.cn
— 612 —