基于变量优化和IWOA-LSTM的锅炉系统水冷壁温度预测

作     者：史俊冰 赵如意 王迎敏 张小勇 SHI Jun-bing;ZHAO Ru-yi;WANG Ying-min;ZHANG Xiao-yong

作者机构：太原学院智能与自动化系山西太原030032 华北电力大学控制与计算机工程学院河北保定071003 

出 版 物：《热能动力工程》 (Journal of Engineering for Thermal Energy and Power)

年 卷 期：2023年第38卷第10期

页      面：103-112页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 081202[工学-计算机软件与理论] 

基　　金：山西省高等学校科技创新项目(2020L0718) 山西省高等学校教学改革创新项目(J2020383)。 

主　　题：锅炉系统 互信息理论 经验模态分解 改进的鲸鱼优化算法 长短期记忆神经网络 水冷壁温度 

摘      要：为进一步提高锅炉系统水冷壁温度的预测精度,提出一种基于变量优化和改进鲸鱼算法优化长短期记忆神经网络的水冷壁温度预测模型。首先,通过互信息算法(MI)进行变量选择,消除初始数据中的冗余变量;其次,使用经验模态分解算法(EMD)对变量选择后的数据进行特征分解,在提取变量有效特征信息的同时降低噪音干扰;最后,使用由非线性递减因子和自适应权值改进后的鲸鱼优化算法(Improved Whale Optimization Algorithm, IWOA)确定长短期记忆神经网络(LSTM)的超参数,得到一种新型锅炉系统水冷壁温度预测模型(MI-EMD-IWOA-LSTM)。实验结果表明,相比传统的最小二乘支持向量机(LSSVM)预测模型,MI-EMD-IWOA-LSTM模型的均方根误差(RMSE=0.306 8)和平均绝对百分比误差(MAPE=0.054 6)最低,能够实现对锅炉系统水冷壁工质温度的精准预测。