典型文献
磨煤机一次风量长短期记忆网络预测模型
文献摘要:
针对燃煤电厂磨煤机一次风量预测精度不高的问题,提出了一种基于麻雀算法和核主成分分析(KPCA)–长短期记忆网络(LSTM)的预测模型.首先,优化数据结构.通过对磨煤机一次风量进行机理分析,预选出与一次风量相关的辅助变量,再利用相似度函数法去除相似度较高的数据样本;利用核主成分分析最大限度地抽取数据之间的特征,降低数据维数.然后,利用LSTM建立一次风量预测模型.为提高预测精度,结合麻雀算法对模型内部存在的多个超参数进行寻优.用某600 MW火电机组实际运行数据对算法进行实验检验.实验结果表明,KPCA算法能够有效抽取原数据集的数据特征,提高模型的泛化能力;相似度函数法有效去除了冗余样本,提高了预测精度;与现有神经网络方法相比,所建立的预测模型具有精度更高、波动性更小的优点.
文献关键词:
火力发电机组;磨煤机;一次风量;热工自动控制;麻雀算法;长短期记忆网络;核主成分分析
中图分类号:
作者姓名:
孙传瑜;杨耀权
作者机构:
华北电力大学 自动化系,河北 保定 071003
文献出处:
引用格式:
[1]孙传瑜;杨耀权-.磨煤机一次风量长短期记忆网络预测模型)[J].电力科学与工程,2022(06):45-53
A类:
热工自动控制
B类:
磨煤机,一次风量,长短期记忆网络,燃煤电厂,麻雀算法,核主成分分析,KPCA,数据结构,机理分析,预选,辅助变量,相似度函数,超参数,MW,火电机组,实际运行,运行数据,数据特征,泛化能力,有神,神经网络方法,波动性,火力发电机组
AB值:
0.199019
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。