机器学习在电站设备状态分析中的应用Application of machine learning in state analysis of power plant equipment
李晓东,陈亚鹏,王保营,胡乔艳,赖菲,吴涛,徐创学,薛晗光,何新,王智微,高海东,高林
摘要(Abstract)：
本文对电站设备状态分析中学习向量量化(LVQ)神经网络和深度学习算法循环递归长短期记忆(LSTM)神经网络进行了详细分析,利用LSTM神经网络对磨煤机设备进行状态分析,将LSTM神经网络中最后一个隐含层的激励函数设为Softmax函数,其输出值表示设备状态的健康程度及设备可能发生事故的概率,并将LSTM神经网络和LVQ神经网络进行设备状态分析对比。结果表明,利用LSTM神经网络得到的训练模型可以得到设备状态分类更高的准确率,减少在设备状态评判中的漏报率和误报率。
关键词(KeyWords)： 电站设备;机器学习;深度学习;状态分析;磨煤机;LSTM神经网络;LVQ神经网络
基金项目(Foundation):
作者(Author): 李晓东,陈亚鹏,王保营,胡乔艳,赖菲,吴涛,徐创学,薛晗光,何新,王智微,高海东,高林
DOI: 10.19666/j.rlfd.201906193