论文部分内容阅读
为实现对凝结水泵汽化故障的提前预警,基于凝结水泵历史运行数据,结合长短期记忆神经网络(long short-term memory neural network,LSTM-NN),搭建了凝结水泵流量预测模型.利用某电厂凝结水泵的实际运行数据,通过数据预处理构建模型的输入变量,确定模型最佳结构,结合滑动窗口统计法设置预警阈值.该模型在测试集上的均方误差为0.0159,平均绝对误差为0.0798,且发出的故障预警信号早于实际预警信号.实验结果表明,该方法能够比较准确地预测凝结水流量走势,实现凝结水泵汽化故障的早期预警.