科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着碳中和背景下以新能源为主体的新型电力系统的加速构建和社会环保意识的增强，火电机组需要在极端的工况下运行，但传统的机理建模很难实现对循环流化床锅炉床温的精准预测。基于平行控制系统理论构造与实际系统对应的虚拟系统，以计算试验的方式为实际系统的运行提供指导。虚拟系统构建采用基于时序注意力机制的长短期记忆（TPA-LSTM）神经网络模型，通过引入时序关注的注意力机制，提高传统的长短期记忆神经网络模型对工业过程中特定时序段的识别能力；采用灰度关联分析法对实际系统的数据进行筛选，提高了虚拟系统计算试验的准确性。实例分析结果表明，采用TPA-LSTM模型后，床温预测平均绝对误差为0.131 7℃，平均百分比绝对误差为0.014 29%，实现了对循环流化床锅炉床温的精准预测。
- 单位
