科研之友
微信
新浪微博
Facebook
分享链接
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%。
