[发明专利]基于修正长短时记忆神经网络的发电机线棒振动优化方法

说明书

本发明涉及一种基于修正长短时记忆神经网络的发电机线棒振动优化方法，包括步骤：历史数据获取和处理；将特征向量和标签向量作为发电机线棒振动LM_LSTM模型的输入，利用训练集和验证集中的数据来训练发电机线棒振动LM_LSTM模型。本发明的有益效果是：从机理和数理结合的方法挖掘发电机各参数对线棒振动的影响；建立基于修正的长短时记忆神经网络的发电机线棒振动模型，分析发电机线棒平均温度和发电机铁芯平均温度对发电机线棒振动的影响，做出三维关系控制图，明确指出发电机定冷水进水温度和发电机冷氢温度在全局和局部的调整方向，进而通过对相关温度的调整在运行过程中压制超标的发电机线棒端部振动，满足安全稳定运行的要求。

技术领域

本发明属于发电机线棒振动优化技术领域，尤其涉及一种基于修正长短时记忆神经网络的发电机线棒振动优化方法。

背景技术

发电机正常运行时，发电机定子线棒承受单倍及两倍频率的交变电磁力作用。随着发电机单机容量的不断扩大，电磁力也随之增加。由于悬于定子铁芯外部的发电机线棒端部刚度较低，受电磁力影响而引发的发电机线棒端部振动超标问题越来越突出。

当发电机端部固有振动频率接近100HZ时，易与两倍工频的电磁力发生共振，造成定子绕组端部振动异常升高超过国标限值。有些发电机定子绕组端部因绕组槽内固定、端部支撑绑扎固定等因素以及某些定子绕组端部固定结构的不合理，使定子端部线棒的固有频率接近100Hz。有些发电机定子端部绕组振动模态试验合格，但是随着运行时间延长，定子绕组线棒绑绳、垫块、支架等绝缘材料受热和电磁力的作用，机械强度逐渐降低，绑扎紧固构件之间的联接紧度也会有所改变，造成定子绕组端部固有振动频率呈下降趋势，使振动模态接近100Hz。

定子线棒端部振动过大易引发线棒端部绝缘磨损、焊缝开裂、固件松脱、漏水等故障，严重时会导致定子线棒接地、相间短路事故，造成在整个发电机机组的故障停机，国内外均有这方面的事故报道。因此，对发电机绕组端部振动幅值进行监测、分析并在此基础上进行优化控制具有重要意义。

目前，对于发电机端部振动过大的处理方法主要有：大修解体检查法，即大修时解体检查线棒固定情况、有无磨损、对线棒重新绑扎、加固、调整其结构的方法使定子端部固有频率避开单倍和倍频区域，具有一定的效果，但是该方法用时很久、耗费大，需停机进行，影响机组发电计划。通过尝试升高或降低冷却水温度和氢气温度进而根据反馈来调节线棒振动的方法，具备一定效果，但是该方法缺乏历史数据层面的数理支撑，不能明确的给出温度调节方向，而根据负反馈的调节机制只适用于单调函数，对于复杂的发电机线棒振动而言易限于局部最优解而无法达到较好的压制效果。

发明内容

本发明的目的是克服现有技术中的不足，提供一种基于修正长短时记忆神经网络的发电机线棒振动优化方法。

这种基于修正长短时记忆神经网络的发电机线棒振动优化方法，包括以下步骤：

步骤1、历史数据获取和处理；

步骤2、将特征向量和标签向量作为发电机线棒振动LM_LSTM模型的输入，利用训练集和验证集中的数据来训练发电机线棒振动LM_LSTM模型；

步骤3、根据选定的工况获得新的计算工况矩阵，利用新的计算工况矩阵得到发电机线棒振动LM_LSTM模型的预测值序列，进一步绘制三维关系控制图；

步骤3.1、得到新的计算工况矩阵:

对选定的工况进行扩维，分别以历史工况中发电机槽内温度平均值和铁芯温度平均值这两个扩维点的最小值和最大值作为端点；在这两端点间通过数据插值形成两个1*n的数列；其中数据插值为等差插值：

上式中，、分别为待插值测点的最大值和最小值，=；为插值后数列的长度，为第项的值；