基于LSTMARIMA算法的发电机定子线棒出水温差预测
文档名：基于LSTMARIMA算法的发电机定子线棒出水温差预测
摘要：对定子线棒出水温度的最大温差进行预测,对于保障汽轮发电机的安全运行具有重要意义.但由于发电机运行过程中工况多变,温差时间序列变化模式复杂,因此趋势预测相对困难.本文使用长短时记忆(LSTM)神经网络对复杂的变化模式进行学习,并进一步融合了差分整合移动平均自回归(ARIMA)模型,用以弥补工况多变导致的训练不足的问题,从而对LSTM神经网络的预测结果进行修正.然后,在型号为QFSN-660-2-22的汽轮发电机运行数据上开展了实验,结果表明该方法预测效果优于单独的LSTM神经网络和ARIMA模型算法,并且可用于短期预警,准确率高于95％.
作者：陈聪 王晓剑 徐俊元 胡磊 何天磊 梁辰 Author：CHENCong WANGXiaojian XUJunyuan HULei HETianlei LIANGChen
作者单位：中电华创电力技术研究有限公司,上海200086;中电华创(苏州)电力技术研究有限公司,江苏苏州215123中电华创电力技术研究有限公司,上海200086
刊名：大电机技术 ISTIC
Journal：LargeElectricMachineandHydraulicTurbine
年，卷(期)：2023, (5)
分类号：TM311
关键词：定子线棒出水温差温度预测长短时记忆神经网络差分整合移动平均自回归模型时间序列分析
机标分类号：TM307TP391U491.1
在线出版日期：2023年6月14日
基金项目：国家电力投资集团中国电力国际发展有限公司科技项目基于LSTM-ARIMA算法的发电机定子线棒出水温差预测[
期刊论文]大电机技术--2023, (5)陈聪王晓剑徐俊元胡磊何天磊梁辰对定子线棒出水温度的最大温差进行预测,对于保障汽轮发电机的安全运行具有重要意义.但由于发电机运行过程中工况多变,温差时间序列变化模式复杂,因此趋势预测相对困难.本文使用长短时记忆(LSTM)神经网络对复杂的变化模...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于LSTM-ARIMA算法的发电机定子线棒出水温差预测Prediction of Outlet-water Temperature Difference of Generator Stator Bars based on LSTM-ARIMA Algorithm
基于LSTM-ARIMA算法的发电机定子线棒出水温差预测.pdf
页:
[1]