权利要求书： 1.一种电站送风机超温预警方法，其特征在于，所述预警方法包括如下步骤：获取电站送风机的历史运行数据；建立用于预测送风机轴承温度的LSTM神经网络模型；根据所述历史运行数据，采用正交试验的方法确定LSTM神经网络模型的超参数，获得超参数确定后的LSTM神经网络模型；所述超参数包括历史序列长度k、隐层节点数n和学习速率v；采集电站送风机的自当前时刻之前的预设时间段内的运行数据中的输入变量，输入超参数确定后的LSTM神经网络模型，获取未来时刻的送风机轴承温度；所述预设时间段等于历史序列长度对应的时间间隔；当未来时刻的送风机轴承温度大于轴承温度限值时，生成超温预警信号。2.根据权利要求1所述的电站送风机超温预警方法，其特征在于，所述建立用于预测送风机轴承温度的LSTM神经网络模型，之前还包括：将送风机轴承温度作为LSTM神经网络模型的预测变量；分别将送风机电机电流、电机绕组温度、电机前轴承温度、电机后轴承温度、送风机腰侧轴承垂直振动、送风机腰侧轴承水平振动、送风机端侧轴承垂直振动、送风机端侧轴承水平振动作为LSTM神经网络模型的输入变量，建立初始输入变量集合；根据所述历史运行数据，利用公式 分别计算预测变量与初始输入变量集合的每个输入变量的高次幂的相关性；其中，riq表示预测变量与初始输入变量集合的第i个输入变量的q次幂的相关性，q＝1,2,3,4， 表示历史运行数据中的第i个输入变量的q次幂与历史运行数据中的预测变量的协方差， 表示历史运行数据中的第i个输入变量q次幂的方差，ar[y]表示历史运行数据中的预测变量的方差；根据预测变量与初始输入变量集合的每个输入变量的高次幂的相关性，删除初始输入变量集合中不满足公式minriq(q＝1,2，3,4)≥0.7的输入变量，获得LSTM神经网络模型的输入变量集合。3.根据权利要求1所述的电站送风机超温预警方法，其特征在于，所述根据所述历史运行数据，采用正交试验的方法确定LSTM神经网络模型的超参数，获得超参数确定后的LSTM神经网络模型，具体包括：根据送风机运行特性确定LSTM神经网络模型的每个所述超参数的取值范围；其中，历史序列长度k的取值范围为[5，20]，隐层节点数n的取值范围为[10，40]，学习速率v的取值范围为[0.25，1]；分别在每个超参数的取值范
声明：
“电站送风机超温预警方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1002
编辑：管理员
来源：内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年06月06日 ~ 08日 
