基于改进灰狼算法优化双向长短时记忆神经网络的水冷壁壁温预测

作     者：詹毅 冯磊华 杨锋 钟信 ZHAN Yi;FENG Leihua;YANG Feng;ZHONG Xin

作者机构：长沙理工大学能源与动力工程学院湖南长沙410114 华自科技股份有限公司湖南长沙410006 

出 版 物：《热力发电》 (Thermal Power Generation)

年 卷 期：2024年第53卷第1期

页      面：188-196页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖南省自然科学基金项目(2018JJ3552) 

主　　题：水冷壁 壁温预测 双向长短时记忆神经网络 改进灰狼算法 自适应位置更新 

摘      要：提出一种基于改进灰狼(MGWO)算法优化双向长短时记忆(BiLSTM)神经网络的水冷壁壁温预测模型,灰狼算法采用非线性因子调整策略、自适应位置更新策略和动态权重修改策略进行改进以提升算法的全局寻优能力,利用改进灰狼算法优化BiLSTM模型的隐藏层数量、学习率和正则化参数以提高模型的预测精度,采用新疆某电厂的数据进行预测仿真,结果表明:改进后的算法预测精度更高,在机组升、降负荷时,均可以预测到壁温的变化趋势,模型的平均均方根误差相比于长短时记忆(LSTM)神经网络、BiLSTM模型分别降低了9.86%和3.69%,且可以提前预测到水冷壁壁温的超温情况,对于预防水冷壁超温有重要意义。