引入注意力机制时空深度神经网络的再热器温度偏差预测方法

作     者：武晨雨 陶银罗 曾九孙 WU Chenyu;TAO Yinluo;ZENG Jiusun

作者机构：中国计量大学计量测试工程学院浙江杭州310018 绍兴文理学院元培学院浙江绍兴312000 杭州师范大学数学学院浙江杭州311121 

出 版 物：《中国测试》 (China Measurement & Test)

年 卷 期：2024年第50卷第1期

页      面：151-159,192页

学科分类：08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 

主　　题：再热器温度偏差预测 卷积神经网络 门控循环神经网络 注意力机制 

摘      要：锅炉再热器是将低压蒸汽再进行加热至一定温度的蒸汽过热器,其稳定运行对于燃煤机组的安全和高效生产具有重要意义。在锅炉运行过程中,由于炉膛出口和水平烟道中存在残余旋转动量,造成再热器两侧出口温度产生偏差,偏差过大时有可能导致爆管事故的发生。为实现再热器温度偏差的提前预测,设计一种基于注意力机制的时空融合深度神经网络模型,分别采用卷积神经网络和门控循环神经网络提取空间和时间信息,同时引入注意力机制对各类特征进行赋权,以提升预测精度。该模型同时发挥卷积神经网络在空间信息处理和门控循环神经网络在时间信息处理方面的优势,并充分利用特征图上通道注意力机制的全局信息,解决单个模型特征信息提取不充分问题。在燃煤电厂实际数据中的应用结果表明,与其他深度学习方法相比,所提出的方法具有更高的预测精度,其均方根误差、决定系数、预测准确率分别为0.962、1.342、0.985。