原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于深度学习的水电机组劣化趋势预测方法。本发明建立在对水电机组工况参数和监测数据分析的基础上，首先根据水轮机综合运转特性曲线进行特征提取和数据集划分，将健康样本投入混合密度网络(MDN)模型训练得到健康标准分布，与当前样本的概率分布计算负对数似然概率NLLP作为性能劣化指标PDI，再通过门控递归循环单元(GRU)的深度学习方法对机组劣化趋势进行预测。网络试验结果分析表明，该方法能有效地解决水电机组性能劣化指标难以确定的问题，并有效提高了趋势预测模型的准确性。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117851821A
(43)申请公布日2024.04.09
(21)申请号202311748943.8G06N3/082(2023.01)
文档评论（0）