Page 129 - 2022年第53卷第6期

电站三号机验证模型，得出以下结论：
（ １）ＤＡＥ － ＭＬＰ健康模型能更精确地拟合工况参数与振摆间映射关系，且表现更为稳定。相比于
传统降维方法，ＤＡＥ能去除工况参数中的干扰因素，有效保留关键信息。值得注意的是，不适当的降
维方法反而会降低健康模型的表现。
（２）所提多尺度特征提取网络能够学习劣化趋势序列中的长期趋势与局部波动，实现高精度的劣
化趋势预测，且具有稳定的预测表现。
所提模型对准确评估抽水蓄能机组运行状态，预前制定检修决策具有重要意义。

参 考 文 献：

［ １］ ＣＨＥＮＰ，ＤＥＮＧＹ，ＺＨＡＮＧＸ，ｅｔａｌ．ＤｅｇｒａｄａｔｉｏｎｔｒｅｎｄｐｒｅｄｉｃｔｉｏｎｏｆｐｕｍｐｅｄｓｔｏｒａｇｅｕｎｉｔｂａｓｅｄｏｎＭＩＣ － ＬＧＢＭ
ａｎｄＶＭＤ － ＧＲＵｃｏｍｂｉｎｅｄｍｏｄｅｌ［Ｊ］．Ｅｎｅｒｇｉｅｓ，２０２２，１５（２）：６０５．
［ ２］ ＲＥＨＭＡＮＳ，ＡＬ － ＨＡＤＨＲＡＭＩＬＭ，ＡＬＡＭ Ｍ Ｍ．Ｐｕｍｐｅｄｈｙｄｒｏｅｎｅｒｇｙｓｔｏｒａｇｅｓｙｓｔｅｍ：Ａｔｅｃｈｎｏｌｏｇｉｃａｌｒｅｖｉｅｗ
［Ｊ］．ＲｅｎｅｗａｂｌｅａｎｄＳｕｓｔａｉｎａｂｌｅＥｎｅｒｇｙＲｅｖｉｅｗｓ，２０１５，４４：５８６ － ５９８．
［ ３］ ＳＨＡＮＹ，ＬＩＵＪ，ＸＵＹ，ｅｔａｌ．Ａｃｏｍｂｉｎｅｄｍｕｌｔｉ － ｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｆｏｒｄｅｇｒａｄａｔｉｏｎｔｒｅｎｄｐｒｅｄｉｃｔｉｏｎｏｆ
ｐｕｍｐｅｄｓｔｏｒａｇｅｕｎｉｔ ［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ，２０２１，１６９：１０８３７３．
［ ４］ ＡＮＸ，ＹＡＮＧＬ，ＰＡＮＬ．Ｎｏｎｌｉｎｅａｒｐｒｅｄｉｃｔｉｏｎｏｆｃｏｎｄｉｔｉｏｎｐａｒａｍｅｔｅｒｄｅｇｒａｄａｔｉｏｎｔｒｅｎｄｆｏｒｈｙｄｒｏｐｏｗｅｒｕｎｉｔｂａｓｅｄ
ｏｎｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎｉｎｔｅｒｐｏｌａｔｉｏｎａｎｄｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩｎｓｔｉｔｕｔｉｏｎｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉ
ｎｅｅｒｓ，ＰａｒｔＣ：ＪｏｕｒｎａｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ，２０１５，２２９（１８）：３５１５ － ３５２５．
［ ５］ ＡＮＸ，ＰＡＮＬ，ＹＡＮＧＬ．Ｃｏｎｄｉｔｉｏｎｐａｒａｍｅｔｅｒｄｅｇｒａｄａｔｉｏｎａｓｓｅｓｓｍｅｎｔａｎｄｐｒｅｄｉｃｔｉｏｎｆｏｒｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｕｓｉｎｇ
ＳｈｅｐａｒｄｓｕｒｆａｃｅａｎｄＩＴＤ ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＩｎｓｔｉｔｕｔｅｏｆＭｅａｓｕｒｅｍｅｎｔａｎｄＣｏｎｔｒｏｌ，２０１４，３６（８）：１０７４ － １０８２．
［ ６］ ＡＮＸ，ＰＡＮＬ．Ｃｈａｒａｃｔｅｒｉｓｔｉｃｐａｒａｍｅｔｅｒｄｅｇｒａｄａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｂａｓｅｄｏｎｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ
ｓｕｒｆａｃｅａｎｄｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＶｉｂｒａｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１５，２１（１１）：２２００ － ２２１１．
［ ７］ 刘东，赖旭，胡晓，等．基于振动信号的水电机组状态劣化在线评估方法研究［Ｊ］．水利学报，２０２１，５２
（４）：４６１ － ４７３．
［ ８］ 胡晓，肖志怀，刘东，等．基于无监督特征学习的水电机组健康状态实时评价方法［Ｊ］．水利学报，２０２１，
５２（４）：４７４ － ４８５．
［ ９］ 桂中华，张 浩，孙 慧 芳，等．水 电 机 组 振 动 劣 化 预 警 模 型 研 究 及 应 用 ［Ｊ］．水 利 学 报，２０１８，４９（２）：
２１６ － ２２２．
［１０］ 安学利，潘罗平，张飞，等．水电机组劣化 趋 势 混 合 预 测 模 型 ［Ｊ］．水 力 发 电 学 报，２０１４，３３（３）：２８６ －
２９１，３１０．
［１１］ ＨＵＸ，ＬＩＣ，ＴＡＮＧ Ｇ．Ａ ｈｙｂｒｉｄｍｏｄｅｌｆｏｒｐｒｅｄｉｃｔｉｎｇｔｈｅｄｅｇｒａｄａｔｉｏｎｔｒｅｎｄｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｂａｓｅｄｏｎｄｅｅｐ
ｌｅａｒｎｉｎｇ［Ｃ］??２０１９Ｐｒｏｇｎｏｓｔｉｃｓ＆ Ｓｙｓｔｅｍ ＨｅａｌｔｈＭａｎａｇｅｍｅｎｔＣｏｎｆｅｒｅｎｃｅＱｉｎｇｄａｏ（ＰＨＭ－ ２０１９Ｑｉｎｇｄａｏ）．ＩＥＥＥ，
２０１９．
［１２］ 安煌，赵荣珍．转子故障数据集降维的 ＣＫＬＰＭＤＰ算法研究［Ｊ］．振动与冲击，２０２１，４０（９）：３７ － ４２．
［１３］ 李慧，奚园园，马宇鑫，等．融 合 ＰＣＡ和 ＥＳＮ的 交 通 流 周 期 预 测 模 型 ［Ｊ］．西 安 电 子 科 技 大 学 学 报，
２０１９，４６（１）：２０ － ２６．
［１４］ 李红贤，韩延，吴敬涛，等．基于 ＩＣＡ包络增强 ＭＥＭＤ的滚动轴承故障诊断 ［Ｊ］．航空动力学报，２０２１，
３６（２）：４０５ － ４１２．
［１５］ 王望望，邓林峰，赵荣珍，等．集成 ＫＰＣＡ与 ｔ － ＳＮＥ的滚动轴承故障特征提取方法 ［Ｊ］．振动工程学报，
２０２１，３４（２）：４３１ － ４４０．
［１６］ ＬＩＸ，ＪＩＡＲ，ＺＨＡＮＧＲ，ｅｔａｌ．ＡＫＰＣＡ － ＢＲＡＮＮｂａｓｅｄｄａｔａ － ｄｒｉｖｅｎａｐｐｒｏａｃｈｔｏｍｏｄｅｌｃｏｒｒｏｓｉｏｎｄｅｇｒａｄａｔｉｏｎｏｆ
ｓｕｂｓｅａｏｉｌｐｉｐｅｌｉｎｅｓ［Ｊ］．ＲｅｌｉａｂｉｌｉｔｙＥｎｇｉｎｅｅｒｉｎｇ＆ Ｓｙｓｔｅｍ Ｓａｆｅｔｙ，２０２２，２１９：１０８２３１．
［１７］ ＹＡＮＧＣ，ＭＡＪ，ＷＡＮＧＸ，ｅｔａｌ．Ａｎｏｖｅｌｂａｓｅｄ － ｐｅｒｆｏｒｍａｎｃｅｄｅｇｒａｄａｔｉｏｎｉｎｄｉｃａｔｏｒＲＵＬｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌａｎｄ
ｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｒｏｌｌｉｎｇｂｅａｒｉｎｇ［Ｊ］．ＩＳＡＴｒａｎｓａｃｔｉｏｎｓ，２０２２，１２１：３４９ － ３６４．
［１８］ 来杰，王晓丹，向前，等．自编码器及其应用综述［Ｊ］．通信学报，２０２１，４２（９）：２１８ － ２３０．
［１９］ 赵勇，徐华东，包伟华，等．基于多层感知机的过程变量趋势诊断方法研究及应用［Ｊ］．流体测量与控制，

— ７ ５ ５ —