公开(公告)号：CN117076887A

公开(公告)日：2023-11-17

申请号：CN202311081250.8

申请日：2023-08-25

申请人： 北京工业大学 ,  北京市南水北调团城湖管理处

发明人： 闫健卓 ,  李星原 ,  冀金泉 ,  唐锚 ,  刘秋生 ,  梁磊 ,  侯欣伟 ,  刘凯华

IPC分类号： G06F18/20 ,  G06N3/0442 ,  G01M13/00

摘要： 本申请涉及一种泵站机组运行状态预测和健康评估方法及系统，对泵站机组运行数据进行处理得到自变量数据；基于双向LSTM神经网络，建立预测模型；应用自变量数据对预测模型进行训练和测试；应用预测模型对未来泵站运行状态变化趋势进行预测；对泵站机组运行数据进行灰色关联分析，得到机组健康评估客观权重矩阵；基于模型预测得到未来多时刻泵站运行状态的结果进行劣化度计算得到劣化度矩阵；基于劣化度进行高斯隶属度分析得到隶属度权重矩阵；基于机组健康评估客观权重矩阵和隶属度权重矩阵得到机组健康状态评判向量，根据机组健康状态评判向量进行评估得到机组健康状态。实现了对泵站机组未来多时刻机组状态预测，且对健康状态进行评估。

公开(公告)号：CN118569480A

公开(公告)日：2024-08-30

申请号：CN202410617369.0

申请日：2024-05-17

申请人： 北京工业大学 ,  北京市水利工程管理中心

发明人： 于涌川 ,  申徐萌 ,  闫健卓 ,  张峻 ,  吕涛 ,  王鑫鑫 ,  刘凯华

IPC分类号： G06Q10/063 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/09

摘要： 本发明提出一种基于多维序列数据相关性分析的泵站后池水位预测方法和系统。方法包括：对泵站监测数据进行数据预处理，得到趋势序列、周期序列和残差序列；对趋势序列进行预测，编码器由多层复合卷积层构成，对趋势序列进行特征提取，引入加权机制的并行神经网络，学习特征信息中不同位置之间的关系，对特征信息进行加权处理，解码器由有门控机制的循环神经网络层构成，对加权信息解码，进行预测；基于多层感知器对周期序列进行预测，将趋势序列预测值和周期序列的预测值与残差序列值相加得到最终的水位预测。本申请提出的方法能够关注输入序列中的不同部分，理解数据的变化规律深入挖掘数据之间复杂的相关作用关系，实现了对泵站水位的准确预测。