權利要求書： 1.一種電站送風機超溫預警方法，其特征在于，所述預警方法包括如下步驟：獲取電站送風機的歷史運行數據；建立用于預測送風機軸承溫度的LSTM神經網絡模型；根據所述歷史運行數據，采用正交試驗的方法確定LSTM神經網絡模型的超參數，獲得超參數確定后的LSTM神經網絡模型；所述超參數包括歷史序列長度k、隱層節點數n和學習速率v；采集電站送風機的自當前時刻之前的預設時間段內的運行數據中的輸入變量，輸入超參數確定后的LSTM神經網絡模型，獲取未來時刻的送風機軸承溫度；所述預設時間段等于歷史序列長度對應的時間間隔；當未來時刻的送風機軸承溫度大于軸承溫度限值時，生成超溫預警信號。2.根據權利要求1所述的電站送風機超溫預警方法，其特征在于，所述建立用于預測送風機軸承溫度的LSTM神經網絡模型，之前還包括：將送風機軸承溫度作為LSTM神經網絡模型的預測變量；分別將送風機電機電流、電機繞組溫度、電機前軸承溫度、電機后軸承溫度、送風機腰側軸承垂直振動、送風機腰側軸承水平振動、送風機端側軸承垂直振動、送風機端側軸承水平振動作為LSTM神經網絡模型的輸入變量，建立初始輸入變量集合；根據所述歷史運行數據，利用公式 分別計算預測變量與初始輸入變量集合的每個輸入變量的高次冪的相關性；其中，riq表示預測變量與初始輸入變量集合的第i個輸入變量的q次冪的相關性，q＝1,2,3,4， 表示歷史運行數據中的第i個輸入變量的q次冪與歷史運行數據中的預測變量的協方差， 表示歷史運行數據中的第i個輸入變量q次冪的方差，ar[y]表示歷史運行數據中的預測變量的方差；根據預測變量與初始輸入變量集合的每個輸入變量的高次冪的相關性，刪除初始輸入變量集合中不滿足公式minriq(q＝1,2，3,4)≥0.7的輸入變量，獲得LSTM神經網絡模型的輸入變量集合。3.根據權利要求1所述的電站送風機超溫預警方法，其特征在于，所述根據所述歷史運行數據，采用正交試驗的方法確定LSTM神經網絡模型的超參數，獲得超參數確定后的LSTM神經網絡模型，具體包括：根據送風機運行特性確定LSTM神經網絡模型的每個所述超參數的取值范圍；其中，歷史序列長度k的取值范圍為[5，20]，隱層節點數n的取值范圍為[10，40]，學習速率v的取值范圍為[0.25，1]；分別在每個超參數的取值范
聲明：
“電站送風機超溫預警方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業用途，請聯系該技術所有人。
我是此專利(論文)的發明人(作者)
1038
編輯：管理員
來源：內蒙古電力(集團)有限責任公司內蒙古電力科學研究院分公司
分享 0
舉報 0
收藏 0
反對 0
點贊 0
2025年07月23日 ~ 26日 
