基于LSTM-ARIMA算法的发电机定子线棒出水温差预测

作     者：陈聪 王晓剑 徐俊元 胡磊 何天磊 梁辰 CHEN Cong;WANG Xiaojian;XU Junyuan;HU Lei;HE Tianlei;LIANG Chen

作者机构：中电华创电力技术研究有限公司上海200086 中电华创(苏州)电力技术研究有限公司江苏苏州215123 

出 版 物：《大电机技术》 (Large Electric Machine and Hydraulic Turbine)

年 卷 期：2023年第5期

页      面：43-48页

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：国家电力投资集团中国电力国际发展有限公司科技项目(2020-005-ZGDL-KJ-X)。 

主　　题：定子线棒 出水温差 温度预测 长短时记忆神经网络 差分整合移动平均自回归模型 时间序列分析 

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%。