基于长短期记忆神经网络的燃煤机组磨煤机性能预测模型LSTM-based performance prediction model for coal mill in a coal-fired unit
陈波,王亚欧,陶谦,何鹏飞,陈立志
摘要(Abstract)：
针对磨煤机在实际运行中内部磨损测量较为困难导致检修时间不确定的问题,提出以磨煤机电流为内部磨损特征参数,采用分时段多模型的思路建立基于最小二乘支持向量机的多时段磨煤机电流模型,从而获得典型工况下具有时间序列的电流模型值,在此基础上利用长短期记忆(LSTM)神经网络建立了磨煤机电流时序预测模型,推算磨煤机电流的时序变化,得到磨煤机性能退化的趋势。以某电厂660 MW燃煤机组中速磨煤机实际运行数据为研究对象,采用本文方法对该磨煤机运行状况进行预测,并与循环神经网络(RNN)模型预测结果进行对比。结果表明,本文LSTM神经网络预测模型可以得到同一运行工况下磨煤机电流清晰准确的时序变化趋势,与现场实际变化相一致,且预测精度高于RNN模型;同时结合辊套磨损量分析得到的磨煤机检修电流,可准确确定磨煤机检修的时间节点。
关键词(KeyWords)： 磨煤机;电流模型;LSTM神经网络;最小二乘支持向量机;性能预测;检修
基金项目(Foundation):
作者(Author): 陈波,王亚欧,陶谦,何鹏飞,陈立志
DOI: 10.19666/j.rlfd.202009243