发电机过速诊断研究

发电机过速诊断研究

LSTM

思路

输入是选择的20个特征，切片长度为6，即 \(x \in \mathbb{R}^{6 \times 20}\)。

输出是 0-1，1表示故障，0表示正常，使用 MSELoss。

模型

双层 LSTM + Linear

结果

看起来效果很不好。

CNN-GRU

效果不佳，应该是类别不平衡问题。

简单过采样 + CNN-GRU

为了解决类别不平衡问题，采用简单过采样方法，将故障样本过采样到正常样本数量相同。

这是某年发电机过速故障警报数据，红点是 SCADA 系统的发电机过速报警，蓝线是故障预测值。

可以看得出来，进行过采样后，明显有效果了。

再看看另一年：

后续思路：一是改良模型，二是用更好的类别不平衡问题。

简单过采样 + GCN-GRU

好像还不如 CNN 呢，好奇怪，在多分类故障诊断中效果还不错的。
看了一下，训练速度比CNN慢，损失下降速度很慢。