基于RFR和VMD-TCN的抽水蓄能机组劣化趋势预测方法

抽水蓄能机组具有结构复杂、工况复杂多变、故障复杂多样等特点。利用实时监测数据有效评价抽水蓄能机组的劣化状态并对劣化趋势进行准确地预测仍是一个难题。为此，提出一种基于随机森林回归（RFR）、变分模态分解（VMD）和时间卷积网络（TCN）的抽水蓄能机组劣化趋势预测方法。首先，基于健康状态下的历史监测数据，选择与状态监测数据关联性强的工况参数数据作为健康状态模型的输入，建立基于RFR的健康状态模型；其次，输入实时工况参数数据，根据健康模型输出的标准值与实时状态监测数据计算得到劣化趋势序列；最后，考虑到劣化趋势序列的非线性因数，设计了基于VMD-TCN的时序预测模型，以实现对劣化趋势的精确预测。为验证所提方法的有效性，采集位于中国浙江的抽水蓄能电站真实监测数据进行多组对比实验。结果显示，所提出的方法在建立健康模型时拟合精度达到了0.98，并且在劣化趋势预测任务中，基于VMD-TCN的时序预测模型相比于其他比较模型具有更高的预测精度。