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
- 文件大小:
- 2.34 MB
- 下载次数:
- 60
-
高速下载
|
|
