基于SSA-BiLSTM-Finetuning的高温过热器壁温预测方法  

作　　者：孙国强 陈德福 朱笔文 乔宗良[2] 

机构地区：[1]安徽淮南平圩发电有限责任公司,安徽淮南232089 [2]能源热转换及其过程测控教育部重点实验室,东南大学,南京210096

出　　处：《能源研究与利用》2024年第6期2-8,35,共8页Energy Research & Utilization

摘　　要：针对电站锅炉高温过热器壁温预测的准确性问题,本文提出了一种基于麻雀搜索算法双向长短期记忆神经网络(SSA-BiLSTM-Finetuning)的高温过热器壁温预测方法。该方法首先通过灰色关联度分析提取了影响末级过热器金属壁温的关键变量,并建立了基于双向长短期记忆神经网络(BiLSTM)的壁温预测模型;接着,基于熵值理论提出了预测误差熵指标,并制定了预测模型的自适应更新策略;然后,通过模型迁移和麻雀搜索算法(SSA)超参数寻优实现模型更新;最后,使用10天的相关参数历史数据作为测试集,验证了所提方法的优越性。研究结果表明,与传统的BiLSTM模型相比,SSA-BiLSTM-Finetuning模型对每日壁温的预测误差均方根(RMSE)更低,显示出更好的预测性能,是一种能够适应锅炉多模态运行工况的高温过热器壁温预测方法。

关 键 词：高温过热器 壁温预测 BiLSTM SSA 自适应更新策略 

分 类 号：TK229[动力工程及工程热物理—动力机械及工程]